[控场AI]
概念self-play fine-tuning

自博弈微调

一种训练范式,通过模型自身生成样本并与判别器进行多轮对抗式交替优化,持续修正模型对目标分布的估计,无需真实负样本标签。

时间轴 (近 90 天)

11月16日

自博弈训练的计算开销高于一次性微调,因为每轮迭代都要生成样本并训练判别器。

待验证50%

全部知识事实 (1)

来源文章