SCoRe

SCoRe（Self-Correction via Reinforcement Learning）是由谷歌DeepMind开发的一种基于强化学习的创新方法，专注于增强大型语言模型（LLM）的自我纠错能力。该方法通过模型自身生成的数据进行训练，在无外部指导的情况下实现对错误答案的有效修正。SCoRe采用两阶段训练策略：第一阶段利用正则化技术确保模型输出的稳定性，防止模式崩溃；第二阶段借助奖励机制激励模型在后续尝试中优化其表现。实验显示，SCoRe在数学问题和编程任务上的自我纠错能力分别提升了15.6%和9.1%，显著优于传统监督学习方法。这一成果凸显了强化学习在提升大模型性能方面的重要价值，尤其适用于高精度需求的应用场景。