Andrew White· andrewwhite01·· 2 天前AI 评分25
冻结评判模型不可行需联合训练
We show in the paper that you cannot use a frozen judge, but instead must co-train. We also show SFT alone is a strong baseline on simple...
AI 导读
我们在论文中表明，不能使用冻结的评判模型，而必须进行联合训练。我们还表明，仅靠SFT在绘制分子等简单任务上是一个强基线，但在编写整数分拆并进行推理等更复杂的任务上则行不通 4/5
来源：Andrew White · x.com