强化学习 · University of Edinburgh
SCOPE：让大模型在开放任务上自博弈进化
SCOPE 让出题的 Challenger 与检索作答的 Solver 互相进化，靠一份冻结的自评委打分，八个开放基准最高提升 +10.4 分，且不用任何人工标注的提示。
机构
Miniml.AI
一个参与语言模型训练与强化学习研究的 AI 研究团队/初创机构。
Research Papers Research Papers 机构
一个参与语言模型训练与强化学习研究的 AI 研究团队/初创机构。
强化学习 · University of Edinburgh
SCOPE 让出题的 Challenger 与检索作答的 Solver 互相进化，靠一份冻结的自评委打分，八个开放基准最高提升 +10.4 分，且不用任何人工标注的提示。