主要内容
清华大学、北京通用人工智能研究院（BIGAI）与宾夕法尼亚州立大学合作的"绝对零度推理器（AZR）"项目显示，AI可通过自我提问推理学习，而非单纯模仿人类成果。该系统先由大型语言模型生成可解Python编码问题，自主解决后运行验证，最终根据结果优化模型，显著提升了70亿和140亿参数量的开源语言模型Qwen的编码与推理能力，甚至超过部分人工数据训练的模型。
研究人员Andrew Zhao（清华博士生）表示，该方法类似人类从模仿到自主提问的学习过程："初期模仿父母老师，最终需自主提问，甚至超越前人。" 类似概念此前由AI先驱Jürgen Schmidhuber等学者探索。
BIGAI研究员Zilong Zheng指出，系统核心优势是问题难度随模型能力增强而提升。目前仅适用于数学、编码等可验证任务，未来或拓展至网页浏览、办公等代理型AI任务，如判断代理行为正确性。
该方法理论上可突破人类教学局限，迈向超级智能。目前Salesforce等团队开发的Agent0、Meta等机构的相关研究均采用类似自我交互方式，被视为"超级智能软件代理训练的第一步"。
随着传统数据稀缺且昂贵，寻找AI新学习方式成为行业重点。Absolute Zero或推动AI从"模仿者"转向更接近人类的自主学习者。