OpenAI · 2023-05-31T07:00:00Z 通过过程监督提升数学推理能力 💡 原文英文，约100词，阅读约需1分钟。 📝 内容提要 我们通过奖励每一步正确推理（称为“过程监督”）训练了一个模型，取得了数学问题解决的新突破。与仅奖励最终答案的“结果监督”相比，过程监督不仅提高了性能，还能直接训练模型生成符合人类思维的推理链。 🏷️ 标签 推理 数学问题 模型 结果监督 过程监督 阅读原文 生成长图 分享链接 已复制链接
