研究提出教师-图灵测试自归因奖励训练范式

Emanuele Rimoldi 等作者提出一种基于领域的“教师-图灵测试”训练方法：以 DeepSeek V4 Flash 同时充当教师和判别器，把教师模型将学生回答归因于学生自身的概率作为强化学习奖励，用来训练 Qwen2.5-1.5B 学生模型。作者称，整个训练过程不向学生提供标准答案，也不要求教师生成回答。 该研究的核心主张是，模型能否让教师“认不出”回答来自学生，本身可以作为奖励信号。这一结论来自作者自述的实验验证，尚未见独立复现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。