本研究通过自我迭代反馈学习提升小型语言模型（SLMs）的推理能力，采用几率比优化和过程监督奖励的方法，实验结果显示该方法显著提升了Gemma-2B在多个任务上的表现。

通过自我迭代过程反馈学习推理的小型语言模型
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证