Beyond Correctness: Harmonizing Process and Outcome Rewards through RL Training

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Ye, Chenlu, Yu, Zhou, Zhang, Ziji, Chen, Hao, Sadagopan, Narayanan, Huang, Jing, Zhang, Tong, Beniwal, Anurag
Formato:	Preprint
Publicado:	2025
Materias:	Machine Learning 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/2509.03403