Самое примечательное в этом результате заключается в том, что эта безымянная экспериментальная модель рассуждений достигла этого результата без использования каких-либо инструментов - похоже, что это просто еще одна классическая LLM, предсказывающая следующий токен, с добавлением множества методов обучения с подкреплением.

@brandonwilson @Yossi_Dahan_ Категорически не согласен с этим, по причинам, частично иллюстрированным здесь.