自述
- 使用 CoT 資料進行微調: 我們透過使用開放原始碼 CoT 資料集以及我們自行開發的合成資料,對基礎模型執行完整參數微調,藉此開發 Marco-o1-CoT。
- 透過 MCTS 擴展解決方案空間: 我們將 LLM 與 MCTS (Marco-o1-MCTS) 整合,使用模型的輸出置信度來引導搜尋並擴展解決方案空間。
- 推理行動策略: 我們實作了新穎的推理行動策略和反思機制 (Marco-o1-MCTS mini-step),包括在 MCTS 框架內探索不同的行動粒度,並提示模型進行自我反思,從而顯著增強模型解決複雜問題的能力。
- 翻譯任務中的應用: 我們率先將大型推理模型 (LRM) 應用於機器翻譯任務,探索多語言和翻譯領域中的推論時間縮放定律。
使用方式
ollama run marco-o1 "How many Rs are in strawberry?"
解析 <Output>
和 </Output>
之間的結果字串
...
<Output>
There are 3 Rs in strawberry.
</Output>