J'ai été curieux de savoir quelles informations les LLM "oublient" pendant l'apprentissage par renforcement. Récemment, j'ai passé du temps à parcourir des recherches pour trouver des exemples de choses sur lesquelles les modèles s'améliorent après l'apprentissage par renforcement. Il s'avère que l'apprentissage du raisonnement rend les modèles meilleurs dans presque tous les domaines. Une réalisation effrayante, pour être honnête.