IXThinker·2025-01-08 15:00清華PRIME 十分之一數據超越GPT-4o
在模仿學習式擴展漸受質疑之際，清華研究團隊提出隱式過程獎勵模型PRIME，以十分之一訓練數據激發高階推理能力，在線刷新SOTA。
方法核心
PRIME全稱Process Reinforcement through IMplicit REwards，透過隱式獎勵進行過程強化，提高語言模型推理能力，效果超越SFT與蒸餾等方法。
IXThinker 會員內容
呢篇係 Archive 內容。登入即可解鎖全文，仲有成個 15,000+ 篇、每日更新嘅 AI 動態資料庫。
免費登入／註冊解鎖全文 →Google 或電郵地址即可，即刻解鎖。