HAPO: Training Language Models to Reason Concisely via History-Aware Policy Optimization

Fuente: arXiv
Guardado en:
Detalles Bibliográficos
Autores principales: Huang, Chengyu, Zhang, Zhengxin, Cardie, Claire
Formato: Preprint
Publicado: 2025
Materias:
Acceso en línea:
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Ejemplares similares