注册    登录
专栏名称: 宝玉xp
前微软Asp.Net最有价值专家 互联网科技博主 我是宝玉。
今天看啥
公众号rss, 微信rss, 微信公众号rss订阅, 稳定的RSS源
目录
今天看啥  ›  专栏  ›  宝玉xp

这是强化训练的结果，通过大量有思维链的数学题和编程题的训练来训练-20240918080633

宝玉xp  · 微博  · AI  · 2024-09-18 08:06
    

文章预览

2024-09-18 08:06 本条微博链接 这是强化训练的结果，通过大量有思维链的数学题和编程题的训练来训练出它选择高质量的思维链路，类似于训练它根据提示词预测生成高质量回复// @开心魔术杨 :但是打分的那个根据什么来打分呢？自己也做一步同样的推理生成，然后比较两个生成内容的相似性？ 这里的关键问题是模型自身如何判断生成质量？// @宝玉xp ：可以理解为两个GPT，一个生成，一个打分，当然实际上可能只有一个模 ………………………………

原文地址：访问原文地址
快照地址： 访问文章快照
总结与预览地址：访问总结与预览
推荐文章
爱可可-爱生活  ·  【[21星]CAMELTrack：在线多目标跟踪的全新解决方案，-20250510205907
18 小时前
爱可可-爱生活  ·  【[70星]logitloom：探索指令和基础模型中的token-20250510172527
21 小时前
宝玉xp  ·  以手机随手拍摄的日常风格，桌面上摆放着一款 【魔童版哪吒】动漫手-20250510152122
23 小时前
新智元  ·  万径归于「概率」，华人学者颠覆认知！英伟达大牛力荐RL微调新作
昨天
宝玉xp  ·  来自 X 上一线芯片设计工程师 fin 的观点：“从芯片设计来看-20250508022252
3 天前
板鸭生活通  ·  快看！你拖了马德里的“后腿”吗？
7 月前
芯榜  ·  聚力创“芯”，共享“芯”机遇：国际集成电路展览会（IIC Shenzhen 2024）盛大开幕 ，“全球电子成就奖”隆重揭晓
6 月前
江南晚报  ·  选派名单公布
4 月前
987私家车广播  ·  谭维维回应曾骑自行车赶春晚：那天路上特别堵
3 月前
杭州网  ·  亚洲前首富李兆基逝世，享年97岁
1 月前
关于   移动版   ·   Py中国   ·   RSS之家   ·   CodingPro   ·   Code   ·   Link之家   ·   卧龙AI搜索   ·   小百科   ·   小百科（海外）   ·   Link管理
今天看啥 - 公众号rss, 微信rss, 微信公众号rss订阅, 稳定的RSS源
© 2025 ~ 沪ICP备11025650号