_akhaliq· @_akhaliq · X·2026-10-26 22:46· 1 天前AI 评分24

大语言模型无数据同策略自训练

AI 导读

同策略自训练大语言模型中的无数据自我改进论文：huggingface.co/papers/2610.3…

正文 · 原文

On-Policy Self-Training

Data-Free Self-Improvement in Large Language Models

paper: huggingface.co/papers/2610.3…

来源：_akhaliq · x.com

#论文/研究 #数据/训练 #Hugging Face