微软：两个AI相互纠错，数学再涨5分

来自加州大学和微软研究院的最新研究成果：Flow-DPO。通过使用在线学习流（Flow）和直接偏好优化（DPO,DirectPreferenceOptimization），可以让LLM生成更加详细和精确的推理轨迹。

更新时间：2024-12-17 12:45:48