OpenAI 发布基于过程监督提升数学推理能力的模型

OpenAI 训练了一个在数学问题求解上达到新 SOTA 的模型，该模型通过奖励正确的推理步骤（过程监督）而非仅仅奖励正确答案（结果监督）进行优化。除了提升性能外，过程监督还带来了对齐优势，直接训练模型生成经人类认可的思维链。