AI Qazaqstan
Компании

Материал түпнұсқа тілінде: English.

Improving mathematical reasoning with process supervision

We’ve trained a model to achieve a new state-of-the-art in mathematical problem solving by rewarding each correct step of reasoning (“process supervision”) instead of simply rewarding the correct final answer (“outcome supervision”). In addition to boosting performance relative to outcome supervision, process supervision also has an important alignment benefit: it directly trains the model to produce a chain-of-thought that is endorsed by humans.

2023 ж. 31 мамыр · Дереккөз: OpenAI news

Толық мәтін дереккөзде қолжетімді.

Дереккөзде оқу →

Осы тақырыптан тағы

КомпанииАИ агенттерінің дымқыл зертхана туралы күнделікті ғылыммен қалай айналысатынын өлшеуOpenAI Bio BasicsBench-ті енгізеді, АИ агенттерінің өңделмеген эксперименттік деректерді қаншалықты жақсы түсіндіретінін және күнделікті ылғалды тақталар туралы ғылыммен айналысатынын өлшейтін 100 тапсырмалы эталондық көрсеткіш.OpenAI news