Meta FAIR、カリフォルニア大学バークレー校、ニューヨーク大学の研究者らが共同で、思考選好最適化（TPO）と呼ばれる新しい技術を発表しました。この革新的な技術は、大規模言語モデル（LLM）が指示を処理する際の回答品質を向上させることを目的としています。従来のモデルが最終的な答えのみに焦点を当てているのに対し、TPOはモデルが最終的な答えを出す前に、内部的な思考と熟考を行うことを可能にし、より正確で首尾一貫した答えを生成します。TPO技術の中核は、改良された連鎖思考（CoT）推論手法です。この手法は、訓練過程で...

先日、Meta AIの研究チームは、カリフォルニア大学バークレー校およびニューヨーク大学の研究者と協力し、指示微調整済みの大規模言語モデル（LLM）の応答品質を向上させることを目的とした「思考選好最適化（Thought Preference Optimization、TPO）」という手法を発表しました。従来のモデルが最終的な回答のみに焦点を当てているのに対し、TPO手法はモデルが応答を生成する前に内部的に思考することを可能にし、より正確で首尾一貫した回答を生み出します。この新技術は…

Meta、カリフォルニア大学バークレー校、ニューヨーク大学の科学者らが共同で開発した新技術「思考選好最適化（Thought Preference Optimization、略称TPO）」は、大規模言語モデル（LLMs）の様々なタスクにおけるパフォーマンス向上を目指し、AIが回答する前により慎重に反応を検討することを可能にします。研究者らによると、「思考」は創作活動など幅広い用途で実用性が期待できるとしています。