Статьи и исследования

OpenAI повысила математическое рассуждение с помощью процессного надзора и достигла нового SOTA

Оригинальный заголовок:Improving mathematical reasoning with process supervision

ИИ-резюме

OpenAI обучила модель, достигшую нового state-of-the-art в решении математических задач: метод вознаграждает каждый правильный шаг рассуждения (процессный надзор), а не только итоговый правильный ответ (надзор по результату). Помимо роста производительности, процессный надзор даёт выигрыш в выравнивании: он напрямую обучает модель порождать цепочки рассуждений, одобряемые людьми.

Ключевые моменты

  • OpenAI обучила модель,достигшую нового state-of-the-art в решении математических задач: метод…
  • а не только итоговый правильный ответ (надзор по результату).
  • Помимо роста производительности,процессный надзор даёт выигрыш в выравнивании: он напрямую обучает…

Кратко

Опубликовано
Обновлено
Источник
OpenAI:官网动态(RSS · 排除企业/客户案例)
Категория
Статьи и исследования
Оценка ИИ
73
Читать оригинал Читать полную статью в первоисточнике
Почему это важно

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。

Связанные сущности

Источник и авторские права

Статья основана на отобранных заголовках и ИИ-резюме из открытого API AIHOT с указанием источника и обратными ссылками. Авторские права на оригинал принадлежат исходным изданиям и авторам; сайт не воспроизводит полные тексты.

Оригинал статьи · Материал на AIHOT

Как цитировать

При цитировании сохраняйте заголовок, дату и постоянную ссылку, указывая источник: Orange News.

Orange News: OpenAI повысила математическое рассуждение с помощью процессного надзора и достигла нового SOTA. 31 мая 2023. https://new.nat6.net/ru/news/s4dulkf6uwzeks7v0kv0u5j6o/

Смотреть все →