后训练^[2]

Meta新论文《Language Self-Play》提出LSP方法，通过单一模型自我博弈（挑战者-解决者角色切换）实现大模型无数据训练，结合强化学习优化，实验显示性能接近数据驱动模型。但该方法因被指忽视2023-2025年相关前人研究，引发学术争议。

生成式AI训练中，网络与存储性能是被低估的隐藏瓶颈。Skypilot团队实验显示，在不更换GPU、不修改代码的情况下，仅优化网络带宽（10Gbps→100Gbps）和存储类型（标准云SSD→本地NVMe），分布式训练速度可提升10倍，打破“GPU决定一切”认知。这一发现凸显数据传输与读取效率的关键作用，Skypilot框架助力简化基础设施优化，为AI训练提速提供新路径。