OpenSIR 自博弈框架：LLM 无需外部训练数据提升数学推理能力

OpenSIR 提出开放式自博弈框架，使单一 LLM 在不依赖任何外部训练数据的情况下，通过“出题者”与“解题者”角色交替提升数学推理能力。Teacher 生成概念不同、难度适中的新题存入 Problem Pool，Student 逐步采样多个解答；系统以新颖性、难度、多样性和多数采样正确性构成综合奖励，完全无监督地迭代更新模型。