DVPO: Distributional Value Modeling-based Policy Optimization for LLM Post-Training

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Zhu, Dingwei, Xi, Zhiheng, Dou, Shihan, Wang, Yuhui, Li, Sixian, Ye, Junjie, Guo, Honglin, Liu, Shichun, Huang, Chenhao, Yang, Yajie, Shang, Junlin, Jin, Senjie, Zhang, Ming, Zhang, Jiazheng, Huang, Caishuang, Zhang, Yunke, Wang, Yuran, Gui, Tao
Format:	Preprint
Publié:	2025
Sujets:	Machine Learning Artificial Intelligence
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Internet

https://arxiv.org/abs/2512.03847