"El Pre-Entrenamiento por Refuerzo" es muy útil cuando quieres usar el encadenamiento de pensamientos para mejorar el rendimiento en tareas como predecir la siguiente palabra de este _____

ha habido como 5 documentos sobre esto. todos muestran que es mejor que no hacer nada en tareas de predicción de un solo token. ¡por supuesto que lo es! ¡sería una locura si no lo fuera! ¿alguno de ellos muestra algo interesante o sorprendente?