本文提出了一种反直觉但高效的批判微调 (CFT) 框架，通过训练-20250131053154

本文提出了一种反直觉但高效的批判微调 (CFT) 框架，通过训练模型批判有噪声的回复而非模仿正确答案，在数学推理任务上显著超越了传统监督微调 (SFT)，并展现出惊人的数据效率，揭示了批判性学习在提升语言模型推理能力方面的巨大潜力，为未来更高效的模型训练方法指明了方向。