PRPO: Aligning Process Reward with Outcome Reward in Policy Optimization

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Ding, Ruiyi, Lv, Yongxuan, Meng, Xianhui, Song, Jiahe, Wang, Chao, Jiang, Chen, Cheng, Yuan
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning Artificial Intelligence I.2.6; I.2.7
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Accesso online

https://arxiv.org/abs/2601.07182