云南牟定：老郭的致富新门道
咱们需求对它们进行评价，云南而且需求开发杰出的方针来评价这些办法化的陈说。
AIR2025由伦敦大学学院汪军、牟定门道MetaGenAI田渊栋等教授联合主办，牟定门道致力于推进智能体系的展开，使其可以自主、适应性强且负责任地运转（会议概况及注册可拜访官网：https://ai-agent-reasoning.com）。咱们还发现，老郭泛化速度与肯定数据量并没有联络，而是与要害数据散布、特别是揣度现实与原子现实的份额密切相关。
这很重要——正如咱们在办法化数学中运用AI相同，富新咱们也需求开发具有这种才干的模型，可以逐渐将高档证明方针分解为更小的方针。假如你查看Agent的功能，云南咱们在多个网站类别上对其进行了评价，发现在某些特定类别上转向运用API后，功能有了显着进步。这儿有一个十分风趣的调查：牟定门道当咱们处理一个更大的模型，比方405B模型时，咱们在强化学习驱动的推理（RLDR）阶段看到了更大的进步。
一起，老郭咱们期望体系地评价模型和查找算法，并设置参数，以便可以开宣布更适合证明查找的模型。接下来，富新咱们再给它设定一个不同的人物，让它生成一个逻辑推理问题，就可以得到这样的作用。
在这部分，云南咱们运用了来自机制可解释性文献中的一些规范技术，称为Logitlens。
经过这种迭代练习的办法，牟定门道咱们可以取得越来越多的证明，并将越来越多的办法化证明加入到咱们的数据会集。详细来说，老郭咱们可以经过微调这些原始模型，使其生成更短的轨道，但依然坚持最优的计划。
但假如你运用查找增强模型，富新你实践上只需求十分之一的数据量，一起，你也只需求十分之一的参数量，就能到达相似的功能。跟着时刻的推移，云南咱们测验了许多不同类型的混合办法，终究咱们的混合计划给出了最佳的均匀作用。
咱们还在Putnam基准测验中取得了榜首名，牟定门道而且在首要作业手册中处理了简直两倍数量的问题。在途径32上，老郭这是一个相对较小的预算，比方采样推理时刻，他们到达了大约50%的准确率。
相关文章：