Self-Guided Process Reward Optimization with Redefined Step-wise Advantage for Process Reinforcement Learning

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Fei, Wu, Kong, Hao, Liang, Shuxian, Lin, Yang, Yang, Yibo, Tang, Jing, Chen, Lei, Hua, Xiansheng
Formato:	Preprint
Publicado:	2025
Materias:	Machine Learning Artificial Intelligence Computation and Language
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Descripción
Descripción no disponible.

Ejemplares similares