今天想跟大家分享一篇有意思的AI论文，标题有点长，叫《反思，重试，奖励：通过强化学习实现自我改进的大语言模型》。 说内容前，我先说说自己是怎么发现这篇论文的。熟悉AI的同学大多知道一个网站叫Hugging Face，这个平台不仅有各种大模型的训练场和技术讨论区， 还开设了一个"每日论文"栏目。由于AI领域如今太过火热，每天都有大量新论文发布，这个栏目就像是一个论文版的"知乎热榜"——作者提交论文，读者 点赞排名。 今天要介绍的这篇论文，是这个栏目6月排行榜的第三位。论文作者并不是一个典型的高校研究学者，而是一家名叫Writer的人工智能创业公司的研究团 队，联合作者一共有八个人。 也许正因为是创业企业的研究团队，所以没有那么在乎学术层面的论文惯例，整个论文加上引用也只有16页，读起来也没有故作高深，非常简单明了。 3个步骤，教会AI从错误中学习 这篇论文——《反思、重试、奖励：通过强化学习实现自我改进的大语言模型》——光是题目，你就能知道这项研究的核心结论是什么。 对我们人类来说，"从错误中学习"是非常重要并且有效的学习方式之一。不信你去网上搜搜看，文具有一个专门的品类就叫"错题本"。我们在求学时，当 一道题 ...