BriefGPT - AI 论文速递 · 2024-12-11T00:00:00Z Small Language Models Learning to Reason via Self-Iterative Process Feedback 💡 原文英文，约100词，阅读约需1分钟。 📝 内容提要 本研究提出了一种通过自我迭代反馈学习提升小型语言模型（SLMs）推理能力的方法。采用几率比优化和过程监督奖励，使SLMs利用自身生成的信号进行微调。实验结果表明，该方法显著提高了Gemma-2B在多个任务上的表现。 🏷️ 标签 models 几率比优化 小型语言模型 推理能力 自我迭代反馈 过程监督奖励 阅读原文 生成长图 分享链接 已复制链接
