Exploration vs Exploitation: Rethinking RLVR through Clipping, Entropy, and Spurious Reward

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Chen, Peter, Li, Xiaopeng, Li, Ziniu, Yin, Wotao, Chen, Xi, Lin, Tianyi
Formato:	Preprint
Publicado:	2025
Materias:	Machine Learning Artificial Intelligence 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/2512.16912