两个LLM互相对线，推理能力起飞：康奈尔团队发布大模型版类GAN训练法
康奈尔大学团队提出PasoDoble，一种类GAN的无监督训练框架，通过Proposer生成难题、Solver尝试解答的方式提升大语言模型的数学推理能力。在完全无需人工标注的情况下，Qwen3-1.7B模型在MATH-500上的准确率从45%升至67%，平均性能提升达13–16个百分点，并在AIME、AMC等多个数学基准上表现出强扩展性。实验证明其进步源于真实反馈而非随机信号，且问题生成主要依赖推理而非记忆。该方法为减少LLM对外部监督的依赖提供了新路径，未来或将拓展至代码与事实问答等领域。来源：https://mp.weixin.qq.com/s/uUaYPN7WAGsGR0y8n1nK-Q
页:
[1]