研究人员开发了一种名为SORT（选择性离策略参考调优）的新方法，以改进AI推理任务的强化学习。该技术通过从参考解决方案中推导出计划来解决标准方法在复杂提示上失败的问题。SORT然后比较有计划和无计划下的标记概率，为在计划指导下更可预测的标记分配更高的权重。这种方法将困难的提示转化为结构化的学习信号，在各种推理基准上，尤其是在能力较弱的模型上，比现有方法有了显著的改进。 AI
影响 通过为复杂提示提供结构化的学习信号来增强AI推理能力，尤其使较弱的模型受益。
排序理由 该集群包含一篇详细介绍AI推理新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
