On-Policy Self-Training论文发布

2026年10月26日，X平台用户AK发布消息，介绍大语言模型的无数据自我改进新方法On-Policy Self-Training，并附上论文链接（huggingface.co/papers/2610.32770）。该消息称这是一种无需数据即可实现模型自我改进的方法。目前公开信息仅来自这一条社交媒体发布，报道未披露方法细节、实验设置或效果数据，也未见其他来源的后续报道或验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。