Quantile Advantage Estimation: Stabilizing RLVR for LLM Reasoning

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Wu, Junkang, Huang, Kexin, Wu, Jiancan, Zhang, An, Wang, Xiang, He, Xiangnan
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/2509.22611