英文：Self-Play 分类：frontier
模型通过与自身（或自身变体）对抗/协作生成训练信号来提升能力的方法：无需外部数据即可持续进化，是 AlphaGo/AlphaZero 与部分推理模型训练的核心机制。
机制：自身生成挑战（对抗采样）、策略与反策略共同进化、奖励来自对弈结果；应用：游戏（围棋/国际象棋）、推理（自生成问题+验证）、安全（红蓝对抗）；条件：可验证目标（胜负/答案）与稳定奖励。
用于游戏 AI（超越人类）、推理模型训练（自生成数学题）、对抗训练（越狱攻防）与无监督能力提升；自我对弈是"无中生有"的自我进化引擎。