RLAD (Reinforcement Learning with Abstraction and Deduction) тренує моделі за допомогою RL за допомогою налаштувань для 2 гравців: ▪️ Генератор абстракцій – пропонує короткі «натяки на міркування» (абстракції) природною мовою, узагальнюючи ключові факти та стратегії. ▪️ Генератор рішень – використовує їх для вирішення проблем. Цей метод відокремлює «як міркувати» від «як відповідати», досягаючи ~44% покращення порівняно зі стандартними методами міркувань з довгим ланцюгом. Ось як це працює: