outcome

定義

過程ではなく最終的に得られた結果のこと。推論モデルの学習では、最終解答の正誤だけで報酬を与える outcome supervision と、途中の各段階を採点する process supervision が対比される。前者は自動で安く注釈できる反面、誤った過程でたまたま正解した場合にもそれを強化してしまう。

論文題名での読み方

過程でなく結果で見る

この語が出てくる解説

• 論文解説: EarlyEval — エージェント評価を「途中で打ち切って」安くするEarlyEval: Cheaper Agent Evaluation via Early Outcome Prediction