標籤 · #math-reasoning

TTPO 透過非對稱策略優化實現無標籤數學推理

為什麼值得讀 工程師可在測試階段提升 LLM 的推理能力，而無需依賴昂貴或無法取得的真實標籤。

TTPO 利用多數決偽標籤，在無真實標籤資料的情況下，於競賽級數學基準測試中達到與監督學習相當的效能。