Google 与乌尔姆大学论文提出 On-Policy Self-Training：无需外部数据实现 LLM 跨模态自我提升

Google 与乌尔姆大学提出 On-Policy Self-Training 框架，仅凭粗粒度主题描述让 LLM 自行合成问题-答案对和带特权信息的推理轨迹，无需人工标注 prompt、标准答案或监督信号。该方法已在文本与多模态 VQA 上验证有效，并在标准语言基准上实现一致的自我改进。