GenRM

谷歌DeepMind發(fā)布GenRM技術，通過創(chuàng)新獎勵模型增強生成式AI推理能力，提高大語言模型性能。GenRM能無縫集成指令調整，支持思維鏈推理，優(yōu)化結果質量。在推理任務中表現(xiàn)優(yōu)于傳統(tǒng)驗證器，標志著AI獎勵系統(tǒng)的重要演化。