Thinking...

Thinking LLMs （通过思维生成实现通用指令跟随）

通过迭代搜索和优化过程，使模型能够在没有直接监督的情况下训练思维生成
对于每个指令，使用评判模型对思维候选者进行评分，并通过偏好优化进行优化

⭐论文：人工智能大模型 #AI创造营#