本文第一作者黄呈松 (Chengsong Huang) 是圣路易斯华盛顿大学的博士生，Google scholar citation 五百多次，目前的研究的兴趣是强化学习和大语言模型。机器 之心曾经报道过其之前工作 Lorahub 已经被引超过 250 次。 大型语言模型（LLM）的发展长期以来受限于对大规模、高质量人工标注数据的依赖，这不仅成本高昂，也从根本上限制了 AI 超越人类知识边界的潜力 。《R- Zero：从零数据中自我进化的推理大模型》提出了一种全新的范式，旨在打破这一瓶颈。该研究设计了一个名为 R-Zero 的全自主框架，使模型能够从零开始，通 过自我驱动的协同进化生成课程并提升推理能力，为通往更自主的人工智能提供了一条值得深入探讨的路径。 《R-Zero》论文的核心，是构建一个能从「零数据」开始自我进化的 AI 框架 ，主要依赖于两个 AI 角色 挑 战者 （Challenger） 和 解决者（Solver） 。 论文链接: https://www.arxiv.org/abs/2508.05004 挑战者 - 解决者的协同进化 这是一个完全封闭、自我驱动的进化循环。在这个过程中，AI 自己生 ...