처음에는 reinforcement fine-tuning이라길래

무슨 DPO 같은 선호도 관련 강화학습인가 했는데


o1 모델에 직접 적용되는 특수한 미세조정 방식같고


이게 샘 알트만 말대로 '정말 적은 학습 데이터로도 잘 작동'하는거면

생각보다 큰 혁신일 수도 있다는 생각이 들음


기업들에서는 상당히 유용하게 잘 써먹을 수 있을듯