S3Gym：LLM 能否把自测试与自评判转化为自我改进？
S3Gym: Can LLMs Turn Self-Testing and Self-Judging into Self-Improvement?
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
研究者提出交互式基准 S3Gym，用 Self-Testing、Self-Judging、Self-Improvement 三项耦合能力评估 LLM 的自我改进，并在七款带可执行环境验证器的文本游戏中区分宽松探索与严格留出评测。
来源：Hugging Face Daily Papers · arxiv.org