Pelatihan dan pascapelatihan
Penalaran dan komputasi saat inferensi
Pascapelatihan yang mengajari model menghasilkan jejak penalaran panjang sebelum menjawab, dan membelanjakan lebih banyak komputasi saat inferensi ketika persoalannya lebih sulit. Pembelajaran penguatan dengan imbalan yang dapat diperiksa — ketika jawaban yang bisa dicek memasok sinyal pelatihan — itulah yang membuat pendekatan ini dapat direproduksi di luar laboratorium tertutup. Pertukarannya perlu dikatakan terus terang: ketepatan yang dibeli dengan panjang pembangkitan alih-alih dengan model yang lebih besar, dan dibayar dengan latensi serta biaya penyajian.
Istilah kunci
- jejak penalaran (reasoning traces)
- imbalan yang dapat diperiksa (verifiable rewards)
- anggaran inferensi (inference budget)
- rantai pemikiran (chain of thought)
Terhubung di seluruh proyek
Dibangun di atas
Teknologi terkait
Makalah terkait
Konteks sejarah
Sumber primer
Ini adalah peta teknis terkurasi, bukan klaim cakupan yang menyeluruh.