字节跳动ReTool：强化学习让LLM战略使用代码执行提升推理

ReTool：通过强化学习实现LLM策略性工具使用，由字节跳动发布。该方法通过基于结果的强化学习，将代码执行与自然语言推理动态结合，在数学奥林匹克问题上优于纯文本方法。