计算即教师 CaT 是什么？没有标准答案时用推理算力自己当老师

计算即教师（Compute as Teacher，CaT）是一种在没有标准答案时训练大模型的方法，由牛津大学和 Meta 超级智能实验室等机构的研究人员在 2025 年 9 月提出，论文标题是《计算即教师：把推理算力转化为无参考监督》。

要回答的问题

论文开篇就提出了问题：在后训练阶段，如果没有标准答案，学习信号从哪里来？用强化学习训练推理模型，通常依赖可验证的奖励，比如数学题有标准答案、代码可以跑测试。但很多重要的领域没有这样的程序化检查器，比如健康建议、开放式的写作和分析，一个回答好不好很难自动判断，人工标注又昂贵。

CaT 的思路

研究者的回答是：推理时的计算本身就可以作为监督。具体做法是：对同一个问题，让模型并行生成多个回答；然后把这组回答综合成一个参考答案的估计。这里的综合不是简单的投票选择最常见的答案，而是由一个固定的“锚”模型阅读所有回答，取长补短，合成一个新的、通常比任何单个回答都更好的参考答案，即使它与多数回答都不一致。接着，以这个合成的参考为目标，对模型进行强化学习训练。这样，模型不需要人工标签，就能把推理时“多想几遍”的计算，转化为训练信号。

对于有标准答案的可验证领域，可以直接检查模型的回答是否和合成参考一致来给奖励；对于不可验证的领域，研究者让模型根据合成的参考答案自动生成一份评分细则，再用另一个模型按细则给回答打分。

效果

论文报告，CaT 作为一种测试时的方法就能提升效果；用它进行强化学习训练后，在数学推理和医疗健康类问答等任务上都取得了显著提升，在后者这样没有程序化检查器的领域尤其有意义。它为“模型如何在没有老师的情况下继续进步”提供了一种可扩展的路径。