专栏名称: 宝玉xp

前微软Asp.Net最有价值专家互联网科技博主我是宝玉。

今天看啥

微信公众号rss订阅, 微信rss, 稳定的RSS源

微信公众号RSS订阅方法

B站投稿RSS订阅方法

微博RSS订阅方法

微博搜索关键词订阅方法

豆瓣日记 RSS订阅方法

相关文章推荐

爱可可-爱生活 · 今日开张，加更一条 -20250104221253 · 11 小时前

爱可可-爱生活 · 「AI让副业机会触手可及……了吗？」让我们直 ... · 2 天前

爱可可-爱生活 · 【Advent of Code ... · 2 天前

爱可可-爱生活 · 2024 AI ... · 3 天前

爱可可-爱生活 · 「AI说：什么是“逻辑”」逻辑对我而言，不再 ... · 4 天前

今天看啥 › 专栏 › 宝玉xp

这是强化训练的结果，通过大量有思维链的数学题和编程题的训练来训练-20240918080633

宝玉xp · 微博 · AI · 2024-09-18 08:06

文章预览

2024-09-18 08:06 本条微博链接这是强化训练的结果，通过大量有思维链的数学题和编程题的训练来训练出它选择高质量的思维链路，类似于训练它根据提示词预测生成高质量回复// @开心魔术杨 :但是打分的那个根据什么来打分呢？自己也做一步同样的推理生成，然后比较两个生成内容的相似性？这里的关键问题是模型自身如何判断生成质量？// @宝玉xp ：可以理解为两个GPT，一个生成，一个打分，当然实际上可能只有一个模 ………………………………

原文地址：访问原文地址
快照地址：访问文章快照
总结与预览地址：访问总结与预览

分享到微博

推荐文章

爱可可-爱生活 · 今日开张，加更一条 -20250104221253

11 小时前

爱可可-爱生活 · 「AI让副业机会触手可及……了吗？」让我们直面一个残酷但重要的事-20250102194510

2 天前

爱可可-爱生活 · 【Advent of Code Rust：用Rust语言编写的A-20250102131031

2 天前

爱可可-爱生活 · 2024 AI Timeline：2024年AI模型发布全景图 -20250101115207

3 天前

爱可可-爱生活 · 「AI说：什么是“逻辑”」逻辑对我而言，不再仅仅是一个冰冷的概念-20250101091426

4 天前