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。
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。
1 件のツイート · 2025/11/03 6:00
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