ANCORA：通过流形锚定自博弈学习提问以实现可验证推理

本文提出从“学习回答”转向“学习提问”的范式，旨在让语言模型在无监督下生成可验证问题、求解并利用反馈实现自我改进。我们引入了 ANCORA 框架，统一策略交替扮演提出者与求解者。其核心机制包括耦合优势的双层群相对更新、投影至有效输出流形的迭代自蒸馏 SFT，以及基于 UCB 引导的课程 DAG。实验表明，该方法显著提升了代码转换任务的通过率，并在其他基准上展现出优异的迁移能力。