当地时刻12月6日，OpenAI公布第二日活动主题：推出了强化微调（Reinforcement Fine-Tuning），匡助斥地者和机器学习工程师打造针对特定复杂鸿沟任务的大家模子。OpenAI CEO Sam Altman在X发帖称，强化微调的遵循特地棒，是他本年最大的惊喜之一，期待看到全球利用这种功能的创造。

　　该名目通过全新的模子定制时代，让斥地者不错使用高质地任务集对模子进行微调，并利用参考谜底评估模子的反馈，从而进步模子在特定鸿沟任务中的推理才智和准确性。

　　OpenAI的揣度员称，强化微调并不是只教模子模子输出，它的运作表情是，当模子发现一个问题的时候，揣度者给模子空间区仔细念念考这个问题，然后评估模子给出的最终解答，利用强化学习，揣度者不错强化产生正确谜底的念念路，羁系产生邪恶谜底的念念路，只需要“几十个例子”致使12个例子，模子就能以有用的新表情学习特定鸿沟的推理。

　　OpenAI揣度员演示万博manbext网站登录app娱乐，强化微调后的o1 mini测试通过率致使比郑再版o1高24%，比未强化微调的o1 mini提高了82%。