#модели рассуждения

Sakana AI представляет Reinforcement-Learned Teachers (RLTs) — новый подход, который обучает небольшие модели эффективно преподавать рассуждение большим языковым моделям через RL, ориентированное на создание пошаговых объяснений.

Критика Apple в адрес рассуждений AI оспаривается Anthropic, которые доказывают, что ошибки оценки, а не ограничения моделей, вызывают проблемы в решении задач.

Исследователи USC представляют Tina — семейство компактных моделей рассуждения, использующих LoRA и обучение с подкреплением для эффективного достижения высоких результатов с минимальными затратами.