TTPO, 비대칭 정책 최적화로 레이블 없이 수학 추론 달성
읽어야 하는 이유 엔지니어는 비용이 높거나 사용할 수 없는 정답 레이블에 의존하지 않고도 테스트 시점에 LLM의 추론 능력을 향상시킬 수 있습니다.
TTPO는 다수결 의사 레이블을 활용하여, 정답 데이터 없이도 대회 수준 수학 벤치마크에서 지도 학습과 동등한 성능을 달성합니다.
읽어야 하는 이유 엔지니어는 비용이 높거나 사용할 수 없는 정답 레이블에 의존하지 않고도 테스트 시점에 LLM의 추론 능력을 향상시킬 수 있습니다.
TTPO는 다수결 의사 레이블을 활용하여, 정답 데이터 없이도 대회 수준 수학 벤치마크에서 지도 학습과 동등한 성능을 달성합니다.