**超越人类监督扩展大型推理模型：通向超级智能之路**

_Scaling Large Reasoning Models beyond Human Supervision: A Path toward Superintelligence_

> 本文探讨大型推理模型（LRM）如何在人类监督逐渐退出的情况下持续改进。研究从奖励轴和经验轴两个维度出发，提出L0至L4五级阶梯框架，分析学习过程中人类控制的保留程度。文章还讨论了自主奖励和经验生成带来的风险，如奖励黑客、反馈漂移、课程崩溃和环境错误，并提出了针对策略能力、反馈保真度和经验质量的评估方法，为构建自我维持的学习系统提供了结构化分析。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-01 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2608.31075)