训练思维链最重要不是用于预训练的语料，而是后训练中奖励模型用的语-20240914040845

宝玉xp · 微博 · AI · 2024-09-14 04:08

文章预览

2024-09-14 04:08 本条微博链接训练思维链最重要不是用于预训练的语料，而是后训练中奖励模型用的语料，就是模型推演出来好的思维链能获得奖励，不好的思维链有惩罚，而最适合做奖励模型训练的是高质量代码库和数学解题库，可以有效的根据思维链结果判断是好还是坏，其他领域的都不好判断结果是好是坏，这也是为什么 o1 在数学和编程方面表现最好。 ………………………………

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

新智元 · Sora火爆上线系统秒瘫，奥特曼直播第三更网友震翻！20秒1080p拍大片再近AGI

2 天前

新智元 · o1 pro挑战美国本科生最难数学竞赛，30分钟交卷却被「大佬」现场打脸！

3 天前

量子位 · 什么？程序员礼盒还自带大模型彩蛋，碰一下就可触发

3 天前

爱可可-爱生活 · 【Clevrr-Computer：一个开源的AI自动化助手，基于-20241208153544

4 天前

爱可可-爱生活 · 【AkiraDocs：智能文档平台，能够自动编写、翻译和优化文档-20241207162926

5 天前

上辈子是hr · 社招 | 上海交通大学安泰经济与管理学院招聘（上海）

5 月前

地球知识局 · 中国现在，非常缺钾

4 月前

红星新闻 · 热搜爆了！樊振东夺得奥运男单冠军！拿下大满贯

4 月前