该文综述弱监督训练强模型的研究：弱模型引导强模型在自然语言处理、国际象棋和奖励建模中普遍优于弱模型本身，但扩展到超人模型仍需探索。辅助置信度损失可使自然语言处理任务接近GPT-3.5水平。多项研究提出AutoWS、ASTRA、FlyingSquid等框架，提升效率并降低对专家依赖。