올해 5월 논문
일리야 참여함
reasoning과 관련됨
MATH에서 당시 sota 78% 달성
RLHF의 reward model 학습위한 수학 step-level 데이터셋
알다싶이 RLHF는 gpt를 policy network로 취급하고 ppo 써서 사람이 선호하게 출력하도록 파인튜닝한건데, Q스타는 이름부터 value based인 q러닝이라 gpt가 수학적 추론하는 과정에서 가능한 state랑 action value를 step level로 reward준걸 ㅈㄴ발전시킨거 아닐까? 싶음
근데 이건 학계에서 이미 여러번 시도해봤던 것들이고 (결과는 걍 별로였음)
A스타 알고리즘써서 추론 경로 탐색할거란 추측도 있던데 암튼 무슨모델이 나올지 궁금함
- dc official App
실제 모델이 나와서 써봐야 알겠네
일리야가 참여했다는 거밖에 못알아먹음