仅100种子题，合成数据质量超GPT-5，阿里、上交提出Socratic-Zero框架

本文（共同）第一作者为王少博（上交 AI）、焦政博（上财）。（共同）通讯作者为魏虎（阿里巴巴）和张林峰（上交 AI）。本文其他作者来自阿里巴巴、武 大、浙大等。 最近一篇来自阿里巴巴和上交等单位的 Agent 自进化工作得到了推特大佬们的关注。首先是 Rohan Paul 的两次转发： | Shaobo Wang * B Zhengbo Jiao * a, B, Y Zifan Zhang Q, 6 Yilang Peng 9,6 | | --- | | Xu Ze & Boyu Yang & Wei Wang ª Hu Wei † ¤ Linfeng Zhang † 18 | | a Alibaba Group Holding Limited | 网友对此也高度评价： 让我们看看这篇工作到底是怎么做的？ 引言：从 "数据饥渴" 到 "自给自足" 当前大语言模型在数学推理上的突破，高度依赖海量人工标注数据。以 MetaMath 和 WizardMath 为代表的静态增强方法，虽能通过提示工程合成训练样本，但其 生成的问题质量不稳定，且无法动态适配模型能力演进，导致训练信号效率低下。 为突破这一瓶颈 ，阿里巴巴 ...