"Reinforcement Pre-Training" é super útil quando você quer usar o raciocínio em cadeia para melhorar o desempenho em tarefas como prever a próxima palavra deste _____

houve cerca de 5 artigos sobre isso. todos mostram que é melhor do que não fazer nada em tarefas de previsão de token único. claro que é! seria insano se não fosse! algum deles mostra algo interessante ou surpreendente?