Self-Play
RL-Trainingsmethode, bei der der Agent gegen Kopien von sich selbst spielt — und dabei kontinuierlich besser wird. AlphaGo Zero (2017) lernte Go von null, ohne menschliche Partien.
AlphaZero (2017) verallgemeinerte das Prinzip auf Schach und Shogi. OpenAI Five (Dota 2, 2018), AlphaStar (StarCraft 2, 2019). Anpassung für LLMs: SPIN (Self-Play Fine-Tuning), Self-Rewarding LMs. Neueste Welle: Self-Play für "Test-Time Training", bei dem Modelle sich während der Inferenz an konkreten Problemen selbst verbessern.