标签：多轮训练

强化学习让大模型自动纠错，数学、编程性能暴涨，DeepMind新作

在大语言模型（LLM）的研究领域，自我纠正能力一直是一个重要的研究方向。然而，现有的自我纠正训练方法通常依赖于多个模型或额外的监督，这限制了其实用性。...

AIGC动态

2个月前