TSLLM是一种结合了AlphaZero方法和大语言模型的树搜索训练增强框架,通过学习价值函数提供可靠的搜索中间价值评估。实验证明TSLLM在数学推理、逻辑推理和决策推理等任务上表现良好。文章还讨论了树搜索算法的适应性和扩展性,并验证了迭代优化可以进一步提升大语言模型的能力。
完成下面两步后,将自动完成登录并继续当前操作。