清华英伟达

监督学习也能反思？清华英伟达提出隐式负向策略爆炸提升数学能力

清华大学与英伟达、斯坦福联合提出新的监督学习方案——NFT（Negative-aware FineTuning），在RFT（Rejection FineTuning）算法基础上通过构造一个“隐式负向模型” 来额外利用负向数据进行训练。