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。

本研究探讨了大型语言模型（LLM）在缺乏高质量训练数据时的性能瓶颈。提出的新范式LANCE使LLM能够自主生成、清洗和标注数据，从而提升其表现并降低数据构建成本，推动超智能系统的发展。