Madde #373Ajanlar & Akıl Yürütme/sozluk/outcome-reward-model-orm
Outcome Reward Model (ORM)
Outcome-Supervised Reward Model
Türkçe: Sonuç Denetimli Ödül Modeli
Ayrıntılı Tanım
Modelin ürettiği çözümün ara adımlarıyla ilgilenmeksizin, yalnızca **en sonda ulaşılan nihai cevabın doğruluğuna** (doğru mu yanlış mı) göre skaler ödül veren klasik ödül modelidir.
Ne İşe Yarar / Çözülen Problem
Eğitimi ve veri toplaması son derece ucuzdur; ara adımları etiketlemekle uğraşmadan genel başarıyı ölçer.
Nasıl Çalışır? (Teknik & Mekanizma)
Çözüm biter, nihai cevap anahtarıyla karşılaştırılır. Doğruysa , yanlışsa .
Örnek Senaryo & Pratik Uygulama
Çoktan seçmeli optik form okuyucusu: Öğrencinin soruyu nasıl çözdüğünü bilmez; sadece doğru şıkkı karalayıp karalamadığına bakar.
Benzer Terimlerden Farkı
Ara adımlardaki vahim mantık hatalarını (örneğin iki yanlışın birbirini götürüp tesadüfen doğru çıkmasını) yakalayamaz; PRM bu yüzden daha üstündür.
İlişkili Terimler (3)
Akıl Yürütme, Düşünce Zinciri ve Ajanlar (Agents)
Chain of Thought, Tree of Thoughts, ReAct, AutoGPT ve çoklu ajan koordinasyonu.
Toplam Terim:33 Madde
Bu Kategorideki Tüm Terimleri Gör →Önceki Terim (#372)Process Reward Model (PRM)
Sonraki Terim (#374)Monte Carlo Tree Search (MCTS)