RL微调

谷歌DeepMind负责人Denny Zhou分享了关于大模型推理过程和方法，强调了中间思考步骤的重要性。他提出思维链能帮助Transformer解决复杂问题，提升答案准确性和可靠性，并指出未来的研究方向包括非唯一可验证答案的任务及实际应用。