Новая статья FAIR представляет ExIt ( Исследовательскую Итерацию ), метод на основе RL, который обучает LLM на одноэтапных улучшениях, но использует свои собственные выходные данные — открывая эффективное многоступенчатое самоулучшение на этапе вывода и достигая 22% прироста на MLE-bench.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
Новая статья FAIR представляет ExIt ( Исследовательскую Итерацию ), метод на основе RL, который обучает LLM на одноэтапных улучшениях, но использует свои собственные выходные данные — открывая эффективное многоступенчатое самоулучшение на этапе вывода и достигая 22% прироста на MLE-bench.