论文提出无数据自训练方法让大模型自我提升

一篇 Hugging Face 每日论文提出 On-Policy Self-Training 框架，模型仅凭粗略主题描述自行生成问答对和推理示范进行自我蒸馏，无需人工标注数据或更强外部教师。实验显示该方法在语言基准和视觉问答上均能带来持续自我提升。

原文来自 Hugging Face 每日论文，版权归原作者所有。中文标题和摘要由 AI 根据原文自动生成，可能有误，请以原文为准。