后训练会在无关决策上留下行为阴影:学生模型仅用单词答案即在 HumanEval+ 提升 5.34pp

RT @HuggingPapers:后训练会在无关决策上留下行为阴影

仅凭 5,664 个单词级的教师答案,学生模型在 HumanEval+ 上提升了 +5.34pp —— 而且它从未见过任何代码。https://t.co/9Mk4yMMOkA