私は、LLMのRLにおける制約や限界などについてブログ記事を書きたいと思っています。
たとえば、結果に到達するために軌跡を使用しない、検証可能な真実のデータがある場合、RL は必要ありません。 別名シングルターン、例えば推論のない数学の問題
スレッドを読み込み中
X から元のツイートを取得し、読みやすいビューを準備しています。
通常は数秒で完了しますので、お待ちください。
2 件のツイート · 2025/11/03 5:59
私は、LLMのRLにおける制約や限界などについてブログ記事を書きたいと思っています。
たとえば、結果に到達するために軌跡を使用しない、検証可能な真実のデータがある場合、RL は必要ありません。 別名シングルターン、例えば推論のない数学の問題