本文へスキップ

rStar

自己対戦の相互推論で小型言語モデルを強化

公式サイトを見る
カテゴリ AIモデル

rStar とは

小型言語モデルの推論力を高める自己対戦の相互推論手法です。推論を解の生成と相互検証に分けて扱います。

できること

  • モンテカルロ木探索で推論の軌跡を作る
  • 識別役の SLM で軌跡を検証する
  • 質問応答や推論課題の結果を改善する

注意点

  • 環境には Python 3.10 と CUDA 12 が挙がる
  • 実行には専用のスクリプトと依存ライブラリが必要
  • 生成はシェルスクリプトから開始される

長所と短所

✓ 良い点

  • 微調整も上位モデルも必要としない
  • 複数の SLM で実験が行われている

! 注意したい点

  • 環境には Python 3.10 や CUDA 12 が挙がる
  • 生成は専用のシェルスクリプトで実行される

よくある質問

微調整は必要?

資料では微調整も上位のモデルも不要とされています。

軌跡はどう検証される?

同程度の別の SLM が識別役として確認します。

最終評価日: 2026-11-15

その他 LLM APIプラットフォーム ツール

すべて見る →

評価方法