DeepMind 用零数据自博弈预训练让模型从零学会围棋

Focus to learn more 通过 DataCite 分配的 arXiv DOI 提交历史 发件人：Michael Li [查看电子邮件] [v1] 2026年9月24日星期四 16:23:01 UTC（881 KB） 全文链接： 访问论文： 查看题为 Self-Play Pretraining with Zero Data 的论文 PDF，作者为 Aditya Cowsik 及其他 6 位作者 查看 PDF HTML（实验性） TeX 源码 查看许可协议 附加功能 音频摘要 当前浏览上下文： cs.AI < 上一篇 | 下一篇 > 新 | 最近 | 2026-09 切换浏览分类： cs cs.CL 参考文献与引用 SciX Google Scholar Semantic Scholar 导出 BibTeX 引用 加载中…… BibTeX 格式引用 × 加载中…… 数据提供方： 收藏 文献工具 文献与引用工具 文献浏览器开关 文献浏览器（什么是 Explorer？） Connected Papers 开关 Connected Papers（什么是 Connected Papers？） Litmaps 开关 Litmaps（什么是 Litmaps？） scite.ai 开关 scite 智能引用（什么是 Smart Citations？） 代码、数据、媒体 与本文相关的代码、数据和媒体 alphaXiv 开关 alphaXiv（什么是 alphaXiv？） 代码链接开关 CatalyzeX 论文代码查找器（什么是 CatalyzeX？） DagsHub 开关 DagsHub（什么是 DagsHub？） GotitPub 开关 Gotit.pub（什么是 GotitPub？） Huggingface 开关 Hugging Face（什么是 Huggingface？） ScienceCast 开关 ScienceCast（什么是 ScienceCast？） 演示 演示 Replicate 开关 Replicate（什么是 Replicate？） Spaces 开关 Hugging Face Spaces（什么是 Spaces？） Spaces 开关 TXYZ.AI（什么是 TXYZ.AI？） 相关论文 推荐与搜索工具 链接到 Influence Flower Influence Flower（什么是 Influence Flowers？） 核心推荐器开关 CORE 推荐器（什么是 CORE？） 作者 会议/期刊 机构 主题 关于 arXivLabs arXivLabs：与社区合作者共同开展的实验性项目 arXivLabs 是一个框架，允许合作者直接在我们的网站上开发和分享新的 arXiv 功能。 与 arXivLabs 合作的个人和组织都认同并接受了我们的价值观：开放、社区、卓越和用户数据隐私。arXiv 致力于这些价值观，并且只与遵守这些价值观的合作伙伴合作。 有能提升 arXiv 社区价值的项目想法吗？进一步了解 arXivLabs。