Consistent Paths Lead to Truth: Self-Rewarding Reinforcement Learning for LLM Reasoning

Fuente: arXiv
Enregistré dans:
Détails bibliographiques
Auteurs principaux: Zhang, Kongcheng, Yao, Qi, Liu, Shunyu, Wang, Yingjie, Lai, Baisheng, Ye, Jieping, Song, Mingli, Tao, Dacheng
Format: Preprint
Publié: 2025
Sujets:
Accès en ligne:
Tags: Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!

Documents similaires