Google DeepMind 推出通过强化学习实现自我纠正（SCoRe）的训练方法 提高模型在复杂数学和编码任务中的准确性

大语言模型（LLMs）在数学问题解决和代码生成等推理和科学领域展现了强大的能力。然而，当前的LLMs在“自我纠正”能力方面表现不佳，尤其是缺乏外部输入的情况下，无法有效地检测和修正自己的错误。这种“自我纠正”能力在没有外部监督的情况下显得尤为重要，因为LLMs往往具备完成任务所需的知识，但不能有效地调用和推理这些知识来修正错误。

Google DeepMind 研究人员开发的一种新方法，称为SCoRe，旨在提高大型语言模型（LLMs）在复杂任务中的自我纠正能力，特别是数学推理和编程任务。