التدريب وما بعد التدريب
الاستدلال والحوسبة وقت الاختبار
تدريب لاحق يعلّم النموذج أن ينتج أثر استدلال طويلًا قبل الإجابة، وأن ينفق حسابًا أكبر عند الاستدلال كلما صعبت المسألة. والتعلّم المعزّز بمكافآت قابلة للتحقق — حيث تمدّ إجابة قابلة للفحص إشارة التدريب — هو ما جعل المقاربة قابلة لإعادة الإنتاج خارج المختبرات المغلقة. والمقايضة جديرة بأن تُقال صراحةً: دقة تُشترى بطول التوليد لا بنموذج أكبر، ويُدفع ثمنها من زمن الاستجابة وكلفة التقديم.
المصطلحات الأساسية
- آثار الاستدلال (reasoning traces)
- مكافآت قابلة للتحقق (verifiable rewards)
- ميزانية الاستدلال (inference budget)
- سلسلة التفكير (chain of thought)
الروابط عبر المشروع
يبني على
تقنيات ذات صلة
أوراق ذات صلة
السياق التاريخي
المصادر الأولية
هذه خريطة تقنية منتقاة، لا ادّعاء بتغطية شاملة.