Alternating Reinforcement Learning for Rubric-Based Reward Modeling in Non-Verifiable LLM Post-Training

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Xu, Ran, Liu, Tianci, Dong, Zihan, Yu, Tony, Hong, Ilgee, Yang, Carl, Zhang, Linjun, Zhao, Tao, Wang, Haoyu
Natura: Preprint
Pubblicazione: 2026
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi