1.如何训练突破

在 AI 领域，大家通常采取后训练方式来让模型获取专项技能然而后训练一般依赖带有标注参考的监督微调，或通过可验证的程序化检查器提供奖励这就带来一些问题，目前许多有价值的任务可能同时缺乏这两种资源例如在不可验证的场景中（临床、自由对话和创意写作），可能存在多个有效答案，确定性规则检查难以实施。

2.训练突破极限

在这种情况下，实践者往往只能依赖（i）繁琐的标注流程，或（ii）通过另一个 LLM 对自由形式输出进行粗略奖励然而，当后训练缺乏真实标注时，学习信号从何而来？为了回答这一问题，来自牛津大学、Meta 超级智能实验室等机构的研究者提出设想：。

3.突破自我训练

推理计算是否可以替代缺失的监督？本文认为答案是肯定的，他们提出了一种名为

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。