推理延展到真实物理世界，英伟达Cosmos-Reason1：8B具身推理表现超过OpenAI ο1
答案的情况，比如以下例子：
根据视频中本车的动作，它接下来最有可能立即采取的行动是什么？
A：右转，
监督式微调
AI大神Andrej Karpathy的通俗解释：预训练、监督式微调、强化学习！
AI 大神 Andrej Karpathy 比喻训练大型语言模型 (LLM) 的过程就像教育学生，以教科书的结构阐述了当前 LLM 训练现状和未来方向。他将预训练、监督式微调和强化学习分别比作背景信息、例题及解答和练习题，强调需要更多的实践来提升 LLM 能力。
R1风起，清华、港科大发布大模型强化推理技术最新全面综述
本文回顾了大型语言模型在推理能力方面的最新进展，从SFT到RLHF，再到ORM和PRM等技术的演变，讨论了测试时扩展的重要性，并介绍了各种增强LLMs推理能力的技术方法。