J-Zero：零数据下挑战者-求解器-裁判协同进化框架

自进化语言模型近期作为通往超级智能的一条有前景路径而出现，其优势在于降低人类监督成本。尽管在可验证领域已取得显著进展，但在不可验证领域中的自进化研究仍相对不足。我们提出从零数据出发的评判者协同适应（J-Zero），这是一个统一的挑战者—求解者—评判者协同进化框架，支持在两大领域中的自我改进。挑战者与求解者通过对抗性互动共同进化：挑战者生成日益困难的任务，而求解者则学习为其产出更高质量的回应。与此同时，评判者利用偏好对进行协同适应，这些偏好对的排序是预先根据各回应产生方式确定的，即求解者的答案优于挑战者的答案，以及其分解再重组后的答案优于其一次性答案，而非依据评判者自身的评分。J-Zero在可验证领域平均超越基线4.2分，在不可验证领域平均超越8.0分，并且至少持续改进十轮迭代，而基线在两轮后即出现退化。