Саторі-Обучение с подкреплением с цепочкой действий и мыслей улучшает рассуждения LLM через автогрессивное море.

Модель, обученная по этому методу (Satori), значительно превосходит аналогичные по размеру модели в решении сложных задач, так как она способна самостоятельно находить и исправлять собственные ошибки в процессе генерации ответа.