#verifier

2 記事

01 ·LLM — 大規模言語モデル·★ 会員·論文·14分で読めます 論文解説: Beyond Solver Verdicts — ソルバーが「正しい」と言っても翻訳は間違っているかもしれない Beyond Solver Verdicts: Generative Reward Models for Autoformalization LLMが自然文を論理式に翻訳し、Z3が解く。ソルバーの答えが合っていても翻訳が誤っている「VPU」という失敗を定式化し、Z3の等価判定をYes/Noの次トークン確率に蒸留する検証器GenVを提案した論文を、前提知識ゼロから解説します。 02 ·LLM — 大規模言語モデル·無料·論文·17分で読めます 推論時スケーリング — 「長く考える」モデルの原理 Chain-of-Thought Prompting Elicits Reasoning in Large Language Models 同じモデルでも長く考えさせると正答率が上がる。その原理を、途中式を書くCoT、何度も解いて多数決する自己一貫性、候補を選ぶ検証器、思考の長さ自体を強化学習で獲得したo1系まで1から解く。計算の置き場所が学習から推論へ移るとは何を意味するのか。