Тема

Рассуждения: статьи, новости и разборы

Статьи, новости и разборы по теме «Рассуждения»: ключевые события, понятные объяснения, практические материалы и проверенные источники COMRAD404.

В архиве 5 материалов

Материалы по теме

5 материалов

Схема проверки faithfulness: исходный вопрос, вмешательство в prompt или CoT, изменение ответа и проверка того, упомянута ли причина в цепочке рассуждений

Исследования//12.08.2026//13 мин чтения

Faithfulness цепочки рассуждений модели: можно ли верить CoT

Разбираем, что исследователи называют faithfulness цепочки рассуждений, как это измеряют в работах Anthropic, OpenAI и других, и почему полезный CoT ещё не равен правдивому объяснению.

Открыть материал →

Схема GRPO у DeepSeek: один вопрос, несколько сэмплов ответа, групповые награды и обновление policy без отдельной value-модели

Исследования//12.08.2026//10 мин чтения

GRPO: как DeepSeek упростила RL для рассуждений

Разбираем, что такое GRPO у DeepSeek, чем этот метод отличается от PPO, почему его истоки лежат в DeepSeekMath 2024, и какую роль он сыграл...

Открыть материал →

Схема repeated sampling: LLM генерирует множество независимых кандидатов, после чего верификатор через unit tests, proof checker или селектор выбирает корректный ответ

Исследования//11.08.2026//9 мин чтения

Repeated sampling: дешёвый способ поднять качество LLM

Brown et al. показали, что множество независимых попыток может заметно поднять качество LLM без нового обучения. Разбираем repeated sampling, результаты на SWE-bench Lite и...

Открыть материал →

Схема пайплайна Let’s Verify Step by Step: GPT-4 генерирует много решений задачи MATH, разметчики отмечают шаги как positive, negative или neutral, PRM считает вероятность корректности всех шагов и выбирает лучшее решение

Исследования//11.08.2026//11 мин чтения

«Let’s Verify Step by Step»: как награда за каждый шаг меняет проверку рассуждений

Разбираем работу OpenAI Let’s Verify Step by Step: зачем давать награду не только за финальный ответ, но и за каждый шаг решения, как устроен...

Открыть материал →

Схема test-time compute: оценка сложности запроса, выбор политики бюджета, генерация нескольких кандидатов, проверка verifier'ом или тестами, ревизии и остановка по лимиту

Исследования//11.08.2026//12 мин чтения

Test-time compute: почему вычисление во время ответа стало новой осью масштабирования

Test-time compute — это отдельный дизайн вычислений на этапе ответа: sampling, ревизии, verifier и поиск. Разбираем, как работы 2024 года превратили эту идею в...

Открыть материал →