Optimizing Chain-of-Thought Reasoners via Gradient Variance Minimization in Rejection Sampling and RL

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Yao, Jiarui, Hao, Yifan, Zhang, Hanning, Dong, Hanze, Xiong, Wei, Jiang, Nan, Zhang, Tong
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning Artificial Intelligence Computation and Language
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Accesso online

https://arxiv.org/abs/2505.02391