私がやっていることは、おそらく次世代の大規模思考ビジョンLLMが起こったことを観察し、そのタスクを小さなRLモデルに「アドバイス」を与える追加の報酬関数としてフレーム化することで、完全に可能です。

このページには第三者のコンテンツが含まれている場合があり、情報提供のみを目的としております（表明・保証をするものではありません）。Gateによる見解の支持や、金融・専門的な助言とみなされるべきものではありません。詳細については免責事項をご覧ください。