Evaluating GRPO and DPO for Faithful Chain-of-Thought Reasoning in LLMs

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Mohammadi, Hadi, Kozak, Tamas, Giachanou, Anastasia
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/2512.22631