本文提出了一种无需额外数据即可训练大型语言模型进行“思考”的思考-20241016052111

文章预览

2024-10-16 05:21 本条微博链接 本文提出了一种无需额外数据即可训练大型语言模型进行“思考”的思考偏好优化 (TPO) 方法，该方法不仅在推理任务上取得了显著的性能提升，更令人惊讶的是在非推理任务上也展现出优异的效果，这为大型语言模型的应用开辟了新的方向。 [CL]《Thinking LLMs: General Instruction Following w ………………………………