"Reinforcement Pre-Training" è estremamente utile quando vuoi utilizzare il ragionamento a catena per migliorare le prestazioni in compiti come prevedere la prossima parola di questo _____

ci sono stati circa 5 articoli su questo. mostrano tutti che è meglio che non fare nulla nei compiti di previsione a singolo token. ovviamente lo è! sarebbe folle se non lo fosse! qualcuno di loro mostra qualcosa di interessante o sorprendente?