Словарь
Best-of-N
Приём генерации, при котором модель выдаёт на один запрос N вариантов ответа, а затем выбирается лучший по оценке модели вознаграждения, верификатора или другой метрики. Веса модели при этом не меняются — это способ повысить качество за счёт дополнительных вычислений при инференсе; в отличие от голосования большинством, ответ выбирают по внешней оценке, а не по частоте.