MATE-PPO

新的AI训练框架MORE优化推理和效率

研究人员推出了一种新颖的自进化训练框架MORE，旨在优化AI智能体的推理能力。该框架能够自适应地选择推理类型（直接回答、思维链或代码生成）以及每项任务所需的计算量。通过联合学习这些选择，MORE能够为简单任务分配更简洁的推理，而为复杂任务保留更长的思考时间。在编码、数学和通用推理基准测试中的实验表明，MORE能够持续提高性能和效率，从而在缩短响应长度和推理时间的同时提高准确性。