Meta超级智能实验室新论文陷争议！被指忽略大量前人研究

Meta超级智能实验室（MSL）提出一种无需外部数据的大型语言模型训练方法Language Self-Play（LSP），通过让模型在“挑战者”与“解决者”角色间切换进行对抗博弈，模拟极小极大博弈机制，实现自我强化学习。实验表明，该方法在Alpaca Eval和Vicuna等对话任务中表现优于传统数据驱动方法，胜率从40.9%提升至43.1%。但论文被质疑缺乏对前人研究的引用，多位研究者指出类似方法早有探索，如Absolute Zero和SPIRAL等。目前MSL尚未回应相关争议。
来源：https://mp.weixin.qq.com/s/NuAp3G9DOXwX6mwdfabvAw