DuGRPO

速報

INFUSER：自我演化的迭代共訓練框架提升大型語言模型推理能力

研究提出 INFUSER，一種結合生成器與求解器的迭代共訓練機制，讓預訓練語言模型在僅需最小外部監督下自行提升推理表現。生成器從自動收集的非結構化文件中草擬問題與參考答案，求解器則以標準正確性獎勵訓練，生成器則根據能否提升求解器的影響分數獲得獎勵。