Google与乌尔姆大学提出跨模态自我训练框架
热点事件持续更新
Google与乌尔姆大学提出跨模态自我训练框架
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Google与乌尔姆大学论文提出On-Policy Self-Training框架，让大语言模型仅凭粗粒度主题描述自行合成问题—答案对及包含特权信息的推理轨迹，无需人工标注提示词、标准答案或提供监督信号。 该框架已在文本和视觉问答（VQA）任务上验证，并在标准语言基准上表现出持续的自我改进。
AI 根据报道生成 · 1 小时前更新
最新进展10月26日 16:17
Google 与乌尔姆大学论文提出 On-Policy Self-Training：无需外部数据实现 LLM 跨模态自我提升报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- AGI HuntGoogle 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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。