R$^2$PO: Decoupling Training Trajectories from Inference Responses for LLM Reasoning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Jingchu, Xu, Bingbing, Yuan, Yige, Xie, Bin, Sun, Xiaoqian, Shen, Huawei
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Online

https://arxiv.org/abs/2601.11960