跳到正文
OpenAI·· 2023-05-31AI 评分53

OpenAI 提出过程监督以提升数学推理能力

Improving mathematical reasoning with process supervision

AI 导读

OpenAI 训练了一个模型,通过在数学解题中奖励正确的推理步骤(过程监督)而非仅奖励最终答案(结果监督),从而在数学问题上达到了新的 SOTA。相比结果监督,过程监督不仅提升了性能,还具备重要的对齐优势,即直接训练模型生成人类认可的思维链(chain-of-thought)。

来源:OpenAI · openai.com