DeCoRL: Decoupling Reasoning Chains via Parallel Sub-Step Generation and Cascaded Reinforcement for Interpretable and Scalable RLHF

Fuente: arXiv
Guardado en:
Detalles Bibliográficos
Autores principales: Gao, Ziyuan, Liang, Di, Wu, Xianjie, Morel, Philippe, Peng, Minlong
Formato: Preprint
Publicado: 2025
Materias:
Acceso en línea:
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Ejemplares similares