R-Zero 深度解析：无需人类数据，AI 如何实现自我进化？

《R-Zero》提出了一种无需人工标注数据的 AI 自我进化框架，通过挑战者与解决者两个智能体协同训练，使模型从零开始提升推理能力。实验显示，Qwen3-8B-Base 模型在数学任务上得分提升 5.51 分，并在通用推理任务中提升 3.81 分。模型通过自我一致性生成伪标签并结合过滤机制优化训练数据。尽管表现出色，伪标签准确率随训练下降及对客观答案的依赖仍是主要限制。该方法可作为人类数据训练前的有效预训练阶段。
来源：https://mp.weixin.qq.com/s/mfNFJgaDdGyK0969MDtmyw