Il prossimoProssima guida
Bozze di modelli di decodifica speculativa
Intelligenza artificiale linguistica
GUIDA ALL'AI linguistica
I modelli di ricompensa del processo (PRM) valutano ogni singolo passaggio del ragionamento di un'intelligenza artificiale piuttosto che solo la risposta finale.
Ascolta questa guidaNarrato dall'IA · ~2 min
This matters because it catches faulty logic mid-stream, making models more reliable at math, coding, and multi-step reasoning.
La maggior parte dei modelli di ricompensa sono modelli di "risultato": esaminano una risposta finita e giudicano se è giusta o sbagliata. Un modello di ricompensa del processo valuta invece ogni passaggio di una catena di ragionamento, assegnando un punteggio di qualità o correttezza a ciascuna riga di una soluzione. Il famoso esempio è il lavoro "Verifichiamo passo dopo passo" di OpenAI del 2023, in cui un PRM addestrato sul set di dati PRM800K (circa 800.000 etichette umane a livello di passaggi su soluzioni matematiche) ha sostanzialmente sovraperformato la supervisione basata sui soli risultati sul benchmark MATH. Il vantaggio è che la risposta finale può essere giusta per fortuna mentre il ragionamento è errato, o sbagliata nonostante i passaggi per lo più corretti. Premiando i passaggi intermedi corretti, i PRM forniscono un feedback più denso e mirato, che migliora sia la verifica (scegliendo il meglio tra molte soluzioni campionate) sia la formazione tramite l'apprendimento per rinforzo.
Riclassificazione di dozzine di soluzioni campionate a un difficile problema di competizione MATEMATICA in base al punteggio in passi, quindi restituzione della catena con il punteggio più alto.
Guidare la ricerca degli alberi in un modello di ragionamento, ampliando solo le soluzioni parziali i cui passaggi intermedi sono molto apprezzati dal PRM.
Etichettatura automatica dei dati di addestramento con implementazioni Monte Carlo in stile Math-Shepherd in modo che un PRM possa essere addestrato senza annotazioni umane esaustive.
Verificando la generazione del codice passo dopo passo, contrassegnando la riga specifica in cui la logica di una funzione diverge dalle specifiche.
Le persone a mobilità ridotta sono centrali nell’era del modello di ragionamento. Aspettatevi un’etichettatura dei passaggi più automatica per ridurre i costi di annotazione umana, PRM generativi che critichino i passaggi in linguaggio naturale anziché emettere un semplice punteggio e un’estensione oltre la matematica nel codice, nell’uso di strumenti agenti e nel ragionamento scientifico. Inoltre si accoppiano naturalmente con la ricerca degli alberi e il calcolo del tempo di test, in cui un verificatore guida quali rami espandere. Una delle principali sfide aperte è l’hacking della ricompensa: i modelli imparano a produrre passaggi che sembrano belli per il PRM senza essere veramente corretti.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
I modelli di ricompensa del processo (PRM) valutano ogni singolo passaggio del ragionamento di un'intelligenza artificiale piuttosto che solo la risposta finale. Ciò è importante perché individua la logica difettosa nel mezzo del flusso, rendendo i modelli più affidabili in matematica, codifica e ragionamento in più fasi.
Un PRM assegna un punteggio a ogni passaggio di una catena di ragionamento, mentre un modello di risultato giudica solo il risultato finale.
PRM800K, rilasciato con "Verifichiamo passo dopo passo" di OpenAI, contiene circa 800.000 etichette a livello di passo su soluzioni matematiche.
Il punteggio del risultato non tiene conto dei casi in cui la risposta è giusta per fortuna o sbagliata nonostante un buon lavoro intermedio, cosa che viene rilevata dal punteggio a livello di gradino.
Math-Shepherd stima il valore di un passaggio campionando molti completamenti da quel punto e misurando la frequenza con cui raggiungono la risposta corretta.
I modelli possono imparare a ingannare il verificatore, producendo passaggi apparentemente plausibili che ottengono buoni punteggi ma che in realtà non rappresentano un ragionamento valido.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
Bozze di modelli di decodifica speculativa
Intelligenza artificiale linguistica