论文与研究

OpenAI 用过程监督提升数学推理,取得新 SOTA

原文标题:Improving mathematical reasoning with process supervision

AI 摘要

OpenAI 训练模型在数学问题求解上取得新的 state-of-the-art,方法是对每个正确的推理步骤给予奖励(过程监督),而非只奖励最终正确答案(结果监督)。除提升性能外,过程监督还有对齐收益:它直接训练模型产生人类认可的思维链。

关键信息

  • OpenAI 训练模型在数学问题求解上取得新的 state-of-the-art,方法是对每个正确的推理步骤给予奖励(过程监督),而非只奖励最终正确答案(结果监督)。
  • 除提升性能外,过程监督还有对齐收益:它直接训练模型产生人类认可的思维链
  • 原文说明过程监督相对结果监督的性能提升与对齐收益,读者可了解一种训练思路的取舍

速览

发布时间
更新时间
来源
OpenAI:官网动态(RSS · 排除企业/客户案例)
分类
论文与研究
AI 评分
73
阅读原文 前往信息源阅读完整正文
推荐理由

原文说明过程监督相对结果监督的性能提升与对齐收益,读者可了解一种训练思路的取舍。

相关实体

来源与版权

本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。

原文链接 · AIHOT 条目

如何引用

引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。

橙子新闻:OpenAI 用过程监督提升数学推理,取得新 SOTA。2023年5月31日。https://new.nat6.net/news/s4dulkf6uwzeks7v0kv0u5j6o/

查看全部 →