主要来源arXiv: DeepSeek
查看原文事件专题 ·官方一手
论文提出教师-图灵测试范式：以"被误认为教师"作为强化学习奖励
arXiv 论文提出 domain-based teacher-Turing-Test 方法：让 Qwen2.5-1.5B 学生模型模仿 DeepSeek V4 Flash 教师模型，以教师"把回答归因于自己"的概率作为强化学习奖励。训练过程中不提供标准答案，也不需要教师生成回复。该方法在 CommonsenseQA、GSM8K、KodCode、Spider 四个域的 held-out 评测中均带来提升。分析显示自我归因概率与答案正确性相关，且能奖励部分正确的回答。
当前结论
让小模型靠"骗过"大模型来学本领，不用标准答案，Qwen2.5-1.5B 在四个基准上都有提升，训练思路挺新颖。
2 个信源39° AI 热度最后更新 2026/10/26 03:27:37
证据链
2 个信源相关来源 1OpenBMB
查看原文冲突核查
现有去重数据只说明这些来源讨论同一事件，不代表立场相同。当前没有结构化的支持或反驳证据，不自动推断冲突。