革新LLM推理：基于似然的奖励设计展现前景！

这项研究介绍了一种使用基于似然的奖励函数来提高大语言模型 (LLM) 推理能力的新方法。令人兴奋的是，这些源于生成正确答案概率的奖励，如何能够超越传统方法，特别是在复杂情况下。

• •基于答案概率的似然奖励被探索为标准二元奖励的替代方案。
• •正确答案的对数概率被证明对思维链学习非常有效。
• •这些新的奖励在可验证和不可验证的推理设置中显示出前景。