Outcome Reward Model
Bir çözümün yalnızca nihai sonucunu başarı veya kalite açısından puanlayan model.
Sonuç ödül modeli ara gerekçeleri değerlendirmeden tamamlanan çıktının hedefe uygunluğunu ölçer. Otomatik doğrulanabilen matematik ve kod görevlerinde kullanışlıdır. Aynı doğru sonuca giden güvenli ve riskli yolları ayırt etmekte yetersiz kalabilir.
Member comments