本文提出了iGRPO（迭代组相对策略优化），通过自我反馈提升AI的数学推理能力。该方法包括探索与选择、条件化改进两个阶段，显著提升多个基准测试的表现，且无需复杂的外部反馈。iGRPO的理念与人类学习相似，强调超越自我，具有广泛应用潜力。

大型语言模型（LLMs）被视为先进的预测工具，能够预测序列中的下一个词。尽管它们在人工智能领域引发了革命，但其智能性仍存疑。谷歌DeepMind的研究员周登尼指出，LLMs更像是训练有素的鹦鹉，缺乏人类学习的深度。他强调链式思维提示可以提升LLMs的表现，但也容易受到无关信息的干扰。周的研究旨在让AI更好地模仿人类学习，以推动未来的突破。