$λ$-GRPO: Unifying the GRPO Frameworks with Learnable Token Preferences

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Wang, Yining, Zhao, Jinman, Zhao, Chuangxin, Guan, Shuhao, Penn, Gerald, Liu, Shinan
Formato:	Preprint
Publicado:	2025
Materias:	Computation and Language
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2510.06870