GTPO and GRPO-S: Token and Sequence-Level Reward Shaping with Policy Entropy

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Tan, Hongze, Wang, Zihan, Pan, Jianfei, Lin, Jinghao, Wang, Hao, Wu, Yifan, Chen, Tao, Zheng, Zhihang, Tang, Zhihao, Yang, Haihua
Formato:	Preprint
Publicado:	2025
Materias:	Computation and Language Artificial Intelligence
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2508.04349