本周AI论文精选

《在线策略自训练：大语言模型中的无数据自我提升》

《On-Policy Self-Training: Data-Free Self-Improvement in Large Language Models》

这篇论文提出一种不依赖人工题目和标准答案的自训练方法：只给模型几个宽泛的主题词，让它自己出题、自己写参考答案，再通过在线策略自蒸馏反复提升；在文本和多模态任务上多数指标提升，但域外保留与部分多模态组合并非一致变好。