Xu, H., Mao, X., Li, F., Wu, X., Chen, W., Zhang, W., & Luu, A. T. (2025). Full-Step-DPO: Self-Supervised Preference Optimization with Step-wise Rewards for Mathematical Reasoning.
Chicago-Zitierstil (17. Ausg.)Xu, Huimin, Xin Mao, Feng-Lin Li, Xiaobao Wu, Wang Chen, Wei Zhang, und Anh Tuan Luu. Full-Step-DPO: Self-Supervised Preference Optimization with Step-wise Rewards for Mathematical Reasoning. 2025.
MLA-Zitierstil (9. Ausg.)Xu, Huimin, et al. Full-Step-DPO: Self-Supervised Preference Optimization with Step-wise Rewards for Mathematical Reasoning. 2025.
Achtung: Diese Zitate sind unter Umständen nicht zu 100% korrekt.