Chain-of-Thought(CoT)
答えだけでなく、途中の考え方(推論の手順)を言葉で段階的に書き出すやり方。複雑な問題で、手順を分けて考えるのに使われる。
たとえば: 暗算せずに筆算の途中式を書きながら解くのに近い。
AIによる解説です。正確さは、別のAIで照合していますが、誤りが含まれる可能性があります。
この言葉が出てくる記事
- シミュレーション強化学習で、オープンウェイト推論モデルが実ロボット操作に転移する可能性
論文は、オープンウェイト27B推論モデルをデモなし・シミュレーションのみの強化学習で訓練し、実ロボット操作に転移できると報告する。PEARとRURLを提案し、LIBERO等で成功率の大幅な改善や汎用能力の劣化なしを示したという。
