SPSD借助类MuZero网络在棋类环境中自博弈，将搜索轨迹转化为结构化推理样本。
推荐理由：方法借可执行棋类环境获得动作后果与竞争选项明确的监督，试图绕过人工标注和低质合成数据；价值在于训练决策推理，但跨域迁移仍是关键未知数。
阅读原文