Token-Level Policy Optimization: Linking Group-Level Rewards to Token-Level Aggregation via Markov Likelihood

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Lin, Xingyu, Wen, Yilin, Wang, En, Su, Du, Liu, Wenbin, Bao, Chenfu, Lv, Zhonghou
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/2510.09369