Google DeepMindが12分で「思考モデル」を解説 塩と砂糖の例は Best-of-N を葬る：一度ラベルを間違えれば、100個の失敗したケーキを焼くことになる。頻度は系統的な...
Google DeepMindが12分で「思考モデル」を解説 塩と砂糖の例は Best-of-N を葬る：一度ラベルを間違えれば、100個の失敗したケーキを焼くことになる。頻度は系統的な誤りを修正しない。検証器を入れるか、死ぬか。 9個対27個のリンゴ：ワンパスは失敗し、CoT（Chain-of-Thought）は通った。誰も CoT のトークンコストを問わない。