Kontrola jakości danych generowanych przez modele przez próbkowanie z odrzucaniem oraz automatyczną weryfikację odpowiedzi, wykonania kodu lub wywołań narzędzi.
Quality control for model-generated data through rejection sampling and automatic verification of answers, code execution or tool calls.
Sprawdzanie przykładów wygenerowanych przez model, zanim trafią do nauki, i zostawianie tylko tych poprawnych.
Checking model-generated examples before they are used for training, keeping only the correct ones.
Model generujący dane często się myli, a nauka na własnych błędach utrwala je zamiast poprawiać.
A model generating data often makes mistakes, and learning from its own errors reinforces them instead of fixing them.
Jak egzaminator, który z wielu wypracowań ucznia przepuszcza tylko te z poprawnym wynikiem i logicznym tokiem.
Like an examiner who, from many student essays, passes only those with a correct result and sound reasoning.
Model rozwiązuje to samo zadanie z matematyki dziesięć razy, a do nauki zostają tylko rozwiązania z dobrą odpowiedzią.
A model solves the same maths problem ten times, and only the solutions with the right answer are kept for training.