LLM 经常使用不正确的推理来得出正确的最终答案。让我们一步一步-20240919103711

文章预览

2024-09-19 10:37 本条微博链接 LLM 经常使用不正确的推理来得出正确的最终答案。让我们一步一步验证一下，正确的思路链推理步骤比关注最终结果/答案更能提高绩效！ 👀 @OpenAI 使用过程监督奖励模型 (PRM) 将 GPT-4 在 MATH（子集）上的得分从 42.5% 提高到 78%。PRM 经过训练，可以对思路链中的中间推理步骤（过程监督）进行评分，而不仅仅是最终结果，从而为复杂的推理任务提供更可靠、更准确的结果。 执行： 1 ⃣对基础 GPT ………………………………