Self-Trained Verification

AI模型通过验证步骤而非仅答案来改进推理

研究人员开发了新的方法来改进AI模型的自我改进训练，解决了推理错误累积的问题。一种方法是经过验证的自我改进（VSI），它通过使用计算机代数库等工具验证中间推理步骤的正确性来过滤训练数据，而不仅仅是最终答案。另一种方法是自训练验证（STV），它通过将其自身输出与参考解决方案进行比较来训练一个验证器，使其模仿一个信息更丰富的自身版本。这两种技术都旨在创建更清晰的训练信号，从而在AI模型中实现持续的准确性提升和更强大的推理能力。