BriefGPT - AI 论文速递 · 2025-05-06T00:00:00Z

Absolute Zero: Data-Free Reinforcement Self-Play Reasoning

📝

内容提要

本文提出了一种新型的绝对零度RLVR范式，克服了现有强化学习和可验证奖励方法的局限性。该方法通过自我提议任务，无需外部数据，在编码与数学推理任务上实现最佳性能，展现出超智能系统中无需人类监督的潜力。

🏷️

标签

RLVR范式 强化学习 绝对零度 自我提议任务 超智能系统