OpenAI News·· 2023-05-31精选AI 评分67
OpenAI 用过程监督提升数学推理能力
Improving mathematical reasoning with process supervision
AI 导读
OpenAI 通过奖励每个正确推理步骤（过程监督）而非仅奖励最终答案（结果监督）训练模型，在数学问题求解上达到新的 SOTA。过程监督还直接训练模型生成人类认可的链式推理，带来对齐收益。
推荐理由
文章对比了过程监督与结果监督两种训练方式，指出奖励每个正确的推理步骤不仅能提升数学性能，还能带来对齐收益。
来源：OpenAI News · openai.com