SCoRe – 谷歌DeepMind推出的多轮强化学习方法
SCoRe（Self-Correction via Reinforcement Learning）是谷歌DeepMind推出的一种创新的多轮强化学习方法，旨在提高大型语言模型（LLM）的自我纠错能力。通过在模型生成的数据上进行训练，使模型在没有外部指导的情况下，对错误答案进行自我纠正。
23
0
2025-08-30
