Soft-label

Определение

Вероятностная метка для каждого шага рассуждения вместо бинарной. Применяется в process reward model для более точного обучения модели вознаграждения.

Где встречается

• 65. Реализовать process reward model

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление