Answer First, Reason Later: Aligning Search Relevance via Mode-Balanced Reinforcement Learning

Fuente: arXiv
Guardado en:
Detalles Bibliográficos
Autores principales: Zhang, Shijie, Guo, Xiang, Guo, Rujun, Liu, Shaoyu, Wang, Xiaozhao, Jiang, Guanjun, Zhang, Kevin
Formato: Preprint
Publicado: 2026
Materias:
Acceso en línea:
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!