"Reinforcement Pre-Training" jest niezwykle przydatne, gdy chcesz wykorzystać łańcuch myślenia, aby poprawić wyniki w zadaniach takich jak przewidywanie następnego słowa tego _____

było około 5 prac na ten temat. Wszystkie pokazują, że jest lepsze niż nic nie robienie w zadaniach przewidywania pojedynczych tokenów. Oczywiście, że tak! Byłoby szaleństwem, gdyby tak nie było! czy którakolwiek z nich pokazuje coś interesującego lub zaskakującego?