Alibaba przełamuje szklany sufit modeli rozumujących. Algorytm FIPO uczy AI autorefleksji

Zespół Qwen z Grupy Alibaba wprowadził nową metodę uczenia przez wzmacnianie (FIPO), która pozwala modelom AI na głębszą weryfikację własnych procesów myślowych. Dzięki temu, łańcuchy rozumowania ulegają wydłużeniu, a maszyny zaczynają samodzielnie kwestionować i sprawdzać swoje wyniki.