MMR-GRPO: Accelerating GRPO-Style Training through Diversity-Aware Reward Reweighting

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Wei, Kangda, Huang, Ruihong
Formato:	Preprint
Publicado:	2026
Materias:	Machine Learning Artificial Intelligence Computation and Language Information Retrieval
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Sea el primero en dejar un comentario!

Ejemplares similares