面对高质量数据日益稀缺的挑战，Dr.Zero框架提出了一种无需训练数据的自我进化方案。它通过设计一个独特的反馈循环，让AI代理能够自主提升复杂推理和搜索能力，其性能表现甚至可以媲美完全监督的模型，为AI自主进化开辟了新路径。
智能速览
Dr.Zero是一个无需训练数据即可实现自我进化的搜索代理框架。
通过提议者与解决者的协同进化，框架能自动生成并解决复杂问题。
提出的HRPO优化方法显著降低了训练过程中的计算开销。
实验表明，该框架性能可媲美甚至超越完全监督的搜索代理。
精华内容
深入Dr.Zero的内部机制，其关键在于构建了一个能自动生成学习课程的反馈闭环，并优化了训练效率。
自我进化循环
Dr.Zero框架设计了一个独特的自我进化反馈循环。该循环包含两个核心代理：提议者和解决者，两者都从同一个基础模型初始化。提议者的任务是生成多样化的、具有挑战性的问题，而解决者则负责学习解决这些问题。随着解决者能力的逐步提升，它会反过来激励提议者生成难度更高但依然可解的任务，从而形成一个自动化的课程学习路径，持续优化两个代理的能力。
HRPO优化策略
为了提升训练效率，Dr.Zero引入了分组相对策略优化（HRPO）方法。传统方法在评估每个问题的难度和可解性时需要巨大的采样开销。HRPO通过将结构相似的问题进行分组，并构建组级别的性能基线，有效避免了对每个独立问题进行大量计算。这种策略在不影响性能和稳定性的前提下，显著降低了训练解决者所需的计算资源。
性能实测表现
在多个公开的问答基准测试中，Dr.Zero展现了卓越的性能。实验结果明确指出，这种完全依赖自我进化、无需任何训练数据的框架，其表现与经过完整数据监督训练的搜索代理相当，甚至在部分任务上超越了它们。这一结论证明了复杂的推理和搜索能力，完全可以通过模型的自主进化而涌现，而不必依赖海量的人工标注数据。
Dr.Zero的成功不仅为解决数据稀缺问题提供了新思路，更揭示了AI自主进化的巨大潜力。未来，这种无数据依赖的框架将如何改变我们构建和部署智能系统的方式？
