谷歌 DeepMind 新研究强化思维链训练，让 AI 语言模型不再“纸上谈兵”

GoodNav 5月20日消息，科技媒体marktechpost报道，谷歌DeepMind团队与约翰·开普勒林茨大学LIT AI实验室合作，利用强化学习微调（RLFT）技术，提升了大型语言模型的决策能力。

研究指出，基于互联网数据的语言模型具备了潜在的决策能力，能够通过内部知识推理在交互环境中做出选择。然而，这些模型存在一些问题：它们虽然能推导出正确的策略，却无法有效执行（“知行差距”），并且倾向于选择短期高回报的选项（“贪婪”）。

这些模型的决策能力还有待进一步提升。