全监督微调

加拿大滑铁卢大学TIGER Lab华人学者团队提出One-Shot Critique Fine-Tuning (One-Shot CFT) 新方法，通过生成多个不同版本的解答和多个点评者模型进行点评，让目标模型从“批判答案”中学习推理规律。该方法在计算资源消耗、效果稳定性方面表现优异，比传统的监督式微调和强化学习有明显优势。