Search, Verify and Feedback: Towards Next Generation Post-training Paradigm of Foundation Models

本文是LLM系列文章，针对《Search, Verify and Feedback: Towards Next Generation Post-training Paradigm of Foundation Models via Verifier Engineering》的翻译。

摘要

机器学习的发展越来越重视开发强大的模型和更具可扩展性的监督信号。然而，基础模型的出现在提供进一步提高其能力所需的有效监督信号方面带来了重大挑战。因此，迫切需要探索新的监管信号和技术方法。在本文中，我们提出了验证器工程，这是一种专门为基础模型时代设计的新型后训练范式。验证器工程的核心涉及利用一套自动验证器来执行验证任务，并向基础模型提供有意义的反馈。我们系统地将验证器工程过程分为三个基本阶段：搜索、验证和反馈，并对每个阶段的最新研究进展进行了全面回顾。我们认为，验证器工程是实现通用人工智能的基本途径。

1 引言

2 验证器工程

3 搜索

4 验证

5 反馈

6 讨论和见解

7 结论

本文介绍了验证器工程的概念，并探讨了研究范式从特征工程到数据工程，最终到验证器工程的重大转变。我们的框架提供了启示和见解，表明验证器工程可以通过包含搜索、验证和反馈的闭环反馈循环来优化基础模型的能力。此外，我们根据现有