激励推理

腾讯优图团队提出激励推理方法提升语言大模型处理复杂指令的能力，1.5B参数LLM实现11.74%性能提升。研究通过数据生产与强化学习培养模型深度推理能力，有效提升LLMs在复杂指令下的表现。