SEED nutzt selbstgenerierten Hindsight-Supervision aus Sprachmodell-eigenen Analysen von Trajektorien, um die Supervision-Lücke zwischen episodischen Outcomes und Token-Level-Lernbefehlen zu schließen.
ZPPO integriert Lehrermodelle als Prompt-Komponenten statt als Gradienten und verbessert damit die Generalisierung beim Wissenstransfer auf kleine Modelle.
Ein neues Training-Paradigma ermöglicht es LLMs, In-Context-Wissen eigenständig in ihre Parameter zu integrieren und sich ohne menschliche Überwachung weiterzuentwickeln.
