مقدمه با پیشرفت روزافزون فناوری‌های هوش مصنوعی، روش‌های جدیدی برای آموزش و بهبود مدل‌های زبانی معرفی می‌شوند. یکی از این روش‌ها، یادگیری تقویتی نظارتی (Supervised Reinforcement Learning یا SRL) است که به تازگی توسط یک تیم از محققان گوگل و دانشگاه UCLA رونمایی شده است. این روش به مدل‌های کوچک…