您的位置: 首頁 >科技 >

Open AI 新論文 用“過程監(jiān)督”改進數(shù)學推理

2023-06-03 19:30:54 編輯:澹臺風融 來源:
導(dǎo)讀 在 Open AI新論文中指出:新訓(xùn)練出的一個模型,通過對每個正確推理步驟進行獎勵(過程監(jiān)督)來提高解決數(shù)學問題的水平,與之前的結(jié)果監(jiān)督...

Open AI新論文中指出:新訓(xùn)練出的一個模型,通過對每個正確推理步驟進行獎勵(過程監(jiān)督)來提高解決數(shù)學問題的水平,與之前的結(jié)果監(jiān)督有很大的區(qū)別。這種方式最大的一個好處是能夠直接訓(xùn)練模型產(chǎn)生被人類認可的思維鏈。

 

過程監(jiān)督可以為思維鏈中的每一步提供反饋,而且打造的機器人性能提升的也很明顯。過程監(jiān)督比結(jié)果監(jiān)督有幾個對齊優(yōu)勢,在生成的過程中,對每一步都可以做到精確化的監(jiān)督,能夠有效的獎勵模型,遵循與人類一致的思維鏈。產(chǎn)生可以解釋的推理,希望會更大。之前采用的結(jié)果監(jiān)督模型在處理復(fù)雜問題的時候很容易出現(xiàn)錯誤判斷或者產(chǎn)生幻覺,難以理解解決問題的整個過程。過程監(jiān)督則會驗證每一個思維過程,確保出現(xiàn)的結(jié)果都是正確的。


免責聲明:本文由用戶上傳,如有侵權(quán)請聯(lián)系刪除!

最新文章

精彩推薦

圖文推薦

點擊排行

2016-2022 All Rights Reserved.平安財經(jīng)網(wǎng).復(fù)制必究 聯(lián)系QQ   備案號:

本站除標明“本站原創(chuàng)”外所有信息均轉(zhuǎn)載自互聯(lián)網(wǎng) 版權(quán)歸原作者所有。

郵箱:toplearningteam#gmail.com (請將#換成@)