**Agon：通过跨模型竞争强化学习隐式评估推理过程**

_Agon: Competitive Cross-Model RL with Implicit Rival Grading of Reasoning_

> HuggingFace Daily Papers 推荐论文 Agon 提出了一种新型强化学习方法，让两个模型互为考官进行竞争。与传统仅评估最终答案的方法不同，Agon 在训练过程中隐式评估推理轨迹，迫使模型通过超越对手来获胜。该方法无需过程标签或奖励模型，在 DeepMath 等难题上显著提升了性能，并展现出跨模型和跨领域的泛化能力。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-07-20 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.07690)