最新 微软:两个AI相互纠错,数学再涨5分 来自加州大学和微软研究院的最新研究成果:Flow-DPO。通过使用在线学习流(Flow)和直接偏好优化(DPO,DirectPreferenceOptimization),可以让LLM生成更加详细和精确的推理轨迹。 互联网资讯 2024-12-17 12:45:48