Random Policy Valuation is Enough for LLM Reasoning with Verifiable Rewards

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	He, Haoran, Ye, Yuxiao, Cai, Qingpeng, Hu, Chen, Jiao, Binxing, Jiang, Daxin, Pan, Ling
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/2509.24981