总的来说，MSL这篇新论文的核心思想是通过一种LanguageSelf-Play（LSP)的方法，让大型语言模型在没有额外训练数据的情况下实现自我提升。 为了将这个博弈转化成模型强化学习的过程，研究中采用…
10/31 16:58
10/31 16:56
10/31 16:55
京公网安备 11011402013531号