预训练扩展可减少推理模型测试时计算。
有趣的发现：扩展预训练可以让你在推理模型（如o-1）中为相同性能花费更少的测试时计算。
强化学习在引发LLMs的反思方面已显示出成功，但如果这种能力实际上在预训练中更早显现呢？我们研究了这个问题，结果令人惊讶 👇
[1/4] https://t.co/b6EJrO4hRW
动态
强化学习在引发LLMs的反思方面已显示出成功，但如果这种能力实际上在预训练中更早显现呢？我们研究了这个问题，结果令人惊讶 👇
[1/4] https://t.co/b6EJrO4hRW