微软亚洲研究院联合北京大学、西安交通大学等高校，提出了一项名为“从错误中学习（Learning from Mistake，LeMA）”的AI训练方法，号称可以通过模仿人类学习知识的过程，来改进AI推理能力。
研究人员的方法是使用一对包含“错误解答”与“修复后正确答案”的数据来微调相关模型。为取得相关数据，研究人员收集了5个不同大（包括LLaMA及GPT系列）的错误答案和推理过程，再以GPT-4作为“订正者”，提供修复后的正确答案。
研究人员表示，LeMA方法能够有效地提高的推理准确率，在多个自然语言推理任务上取得了显着的改进。
LeMA方法的优势在于，它能够利用自身的错误来进行学习，从而提高模型的泛化能力。传统的AI训练方法通常需要大量的标注数据，而LeMA方法只需要少量的错误数据即可。
LeMA方法的应用前景广泛，可以用于提高在各种自然语言推理任务中的性能，例如问答、机器翻译、文本摘要等。
