Best-of-N生成验证器（GenRM）的系统提示SYSTEM PROMPT

文章预览

Best-of-N策略的核心思想非常直观：从基础语言模型中采样N个输出，然后选择其中奖励值最高的一个作为最终输出。这种方法不需要对模型进行微调，就能显著提升输出质量，同时保持与基础模型的相似性。这个方法也可以用在内容生成方面，不是通过温度来增加内容丰富度，直接生成高质量样本使其整体可控。 在《DeepMind最新：生成验证器（GenRM），让爆火的Best-of-N准确率又提高16-64%》这篇文章中，我介绍了 GenRM和GenRM-CoT，在 Best-of-N策略的基础上又增加了验证机制，这就更适合一些对输出内容要求严谨的场合。 本文您可以得到一份完整的 Best-of-N步骤的 GenRM的 SYSTEM PROMPT，迭代后的变体，两个应用案例。您可以根据自己需求进行修改后使用。 以下是文章内容： ………………………………