Noticias sobre RLTL;DR

El método RLTL;DR propuesto por Apple evita el dilema del aprendizaje por refuerzo tradicional que no se puede optimizar debido a una tasa de éxito nula en tareas difíciles y sin ejemplos, al permitir que el modelo de lenguaje grande escriba de forma autónoma ideas de una sola oración e internalice la retroalimentación después del fracaso. Esto muestra que la autorreflexión a nivel de texto de bajo costo se está convirtiendo en una forma clave de mejorar las complejas capacidades de razonamiento de los grandes modelos lingüísticos.