谷歌DeepMind团队在8月27日发表论文，展示了一种创新技术——GenRM生成式验证器，旨在通过微调大型语言模型（LLMs）作为奖励模型，显著提升生成式AI的推理能力。这一突破性方法不同于传统的Best-of-N模式，它利用了LLMs的文本生成能力，通过预测下一个token来训练验证器，实现验证...