AggLMは、複数の候補から正しい回答を合成するために、RLを介してアグリゲータLLMを訓練します。集約を推論スキルとして扱い、過半数投票や報酬モデルのランキングを上回り、はるかに少ないトークンを使用し、見えないより強力なモデルに一般化します。