Semi-off-Policy Reinforcement Learning for Vision-Language Slow-Thinking Reasoning

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Shen, Junhao, Zhao, Haiteng, Gu, Yuzhe, Gao, Songyang, Liu, Kuikun, Huang, Haian, Gao, Jianfei, Lin, Dahua, Zhang, Wenwei, Chen, Kai
Formato:	Preprint
Publicado:	2025
Materias:	Machine Learning Computer Vision and Pattern Recognition
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2507.16814