DIAG: Диагностическое итеративное выравнивание и генерация для эффективной для данных математической дистилляции предпочтений
arXiv:2608.22806v1 Итеративная оптимизация предпочтений имеет важное значение для выравнивания моделей большого языка по математическим задачам рассуждения, но ее эффективность часто подавляется дефиц...