Orchestrating Tokens and Sequences: Dynamic Hybrid Policy Optimization for RLVR

Fuente: arXiv
Guardado en:
Detalles Bibliográficos
Autores principales: Min, Zijun, Liu, Bingshuai, Wang, Ante, Zhang, Long, Zeng, Anxiang, Zhang, Haibo, Su, Jinsong
Formato: Preprint
Publicado: 2026
Materias:
Acceso en línea:
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Ejemplares similares