Co-rewarding: Stable Self-supervised RL for Eliciting Reasoning in Large Language Models

Fuente: arXiv
Guardado en:
Detalles Bibliográficos
Autores principales: Zhang, Zizhuo, Zhu, Jianing, Ge, Xinmu, Zhao, Zihua, Zhou, Zhanke, Li, Xuan, Feng, Xiao, Yao, Jiangchao, Han, Bo
Formato: Preprint
Publicado: 2025
Materias:
Acceso en línea:
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Ejemplares similares