incentivizing

定義

報酬設計によって、望ましい振る舞いをモデル自身に取らせること。強化学習の文脈で使われ、正解に報酬を与えるだけで長い思考過程が現れた、というように「教え込む」のではなく「引き出す」というニュアンスを持つ。手本を真似させる教師あり微調整と対比される語である。

論文題名での読み方

RLで能力を引き出す

この語が出てくる解説

• 蒸留データの設計 — 教師に何を答えさせるかDeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning