OpenAI 报告以过程监督提升数学推理表现

OpenAI 称，他们训练的模型在数学问题求解上达到新的最先进水平，方法是奖励每个正确推理步骤，而非只奖励正确的最终答案。该方法相较结果监督提升了表现，并被描述为可直接训练模型生成经人类认可的思维链。