新智元报道编辑新智元导读的方法通过在线多轮强化学习显著提升了大型语言模型在没有外部输入的情况下的自我修正能力该方法在和基准测试中分别将自我修正性能提高了和最新发布的模型再次证明了自我纠正显式思考过程在...