优惠 STEP-DPO：解决大语言模型在进行长链条数学推理时所面临的挑战

香港中文大学、哈尔滨工业大学（深圳）和SmartMore的研究人员推出新方法STEP-DPO（Step-wise Preference Optimization），它旨在解决大语言模型（LLMs）在进行长链条数学推理时所面临的挑战。长链条数学推理要求模型进行一系列精确且连贯的逻辑步骤，以确保最终答案的正确性。然而，现有... 阅读全文