关闭广告

LLM 仅靠自身就能增强推理?SePT 给出简洁在线自训练范式

机器之心Pro743人阅读



本文第一作者李梦琦为香港中文大学(深圳)计算机科学专业博士生。本项研究是与上海交通大学赵磊老师、香港中文大学苏文藻老师合作,并在香港中文大学(深圳)孙若愚老师与李肖老师的共同指导下完成。

在推理后训练里,多数方法仍依赖奖励模型、验证器或额外教师信号。如果不依赖这些外部信号,只使用模型自身生成的答案进行自训练,是否仍然能够提升推理能力?是的!SePT(Self-evolving Post-Training)给出肯定答案,简洁的自训练方法,可在数学推理任务准确率直升10个点!



上一页 下一页
版权与免责声明:本文内容转载自其他媒体,目的在于传递更多信息,不代表本网观点或立场,不承担此类作品侵权行为的自己责任及连带责任。
猜你喜欢
精彩推荐

中国游客称在瑞士看到峨眉山石 官方证实:已落户10年

封面新闻 浏览 874

张柏芝自曝被大儿子管很凶,教子有方连谢霆锋妈妈都称赞

扒虾侃娱 浏览 1018

小米汽车李肖爽回应 YU7 被要求下线 7 天内付尾款:会认真对待

IT之家 浏览 1073

日供低至23元!车市开年遇冷,车企打响“金融战”

国际金融报 浏览 1607

宗馥莉被3名自称同父异母弟妹起诉,卷入150亿遗产大战!娃哈哈回应

21世纪经济报道 浏览 12809

这一夜,龚俊不再吃香,被46岁的男配惊艳

温柔娱公子 浏览 1048

保障泰山vs国安比赛的球迷出行,济南公交推出11条球迷专线

直播吧 浏览 1165

45岁殷桃带妈妈吃火锅,素人男友罕露面

包饺子ai剪辑 浏览 1199

短剧男主遇上长剧男主,谁是天然帅哥谁是滤镜美男,差距一目了然

娱乐圈笔娱君 浏览 954

中方提醒中国游客避免前往日本 日媒:或造成重大影响

环球网资讯 浏览 968

记者:黄潜敲定转会协议,阿尔瑙-特纳斯今晚前往西班牙体检

懂球帝 浏览 1121

消息称华为首款星闪耳机 FreeBuds Pro 5 可实现全链路无损传输

IT之家 浏览 966

官方确认:歼10CE在空战中击落多架战机

北京青年报 浏览 809

中国代表:日本必须深刻反省历史罪责停止挑衅越线

新华社 浏览 887

套现15亿离场,一家三代人移居美国

壹只灰鸽子 浏览 2307

免疫调节原研药赛能缺货致价格翻倍!已有药店限购,相关企业回应:涨价是市场行为

红星资本局 浏览 1914

媒体:国足21年首进亚洲大赛四强 是触底反弹的信号弹

新民晚报 浏览 974

中企在拉美花22个月建成的铜矿无法投产:总统换人了

每日经济新闻 浏览 949

一场意外的形象崩塌却让他更红了!

伊周潮流 浏览 1014

北京男篮有戏!麦基经纪公司否认签波多黎各联赛 CBA+欧冠二选一

醉卧浮生 浏览 915

婚外胚胎案男方首发声 妻子:至今未见任何实质性举措

大风新闻 浏览 521
本站所有信息收集于互联网,如本站收集信息侵权,请联系我们及时删除
闽ICP备16027347号-4