关于 RLTL;DR 的报道

Apple 提出的 RLTL;DR 方法通过让大语言模型在失败后自主编写单句洞察并内化反馈，绕过了传统强化学习在无示例、高难度任务中因零成功率而无法优化的困境。这表明，低成本的文本级自我反思正在成为提升大语言模型复杂推理能力的关键途径。