WS-GRPO: Weakly-Supervised Group-Relative Policy Optimization for Rollout-Efficient Reasoning

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Mundada, Gagan, Huang, Zihan, Surana, Rohan, Yu, Sheldon, Zhang, Jennifer Yuntong, Li, Xintong, Yu, Tong, Yao, Lina, Shang, Jingbo, McAuley, Julian, Wu, Junda
Format:	Preprint
Publié:	2026
Sujets:	Machine Learning
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Internet

https://arxiv.org/abs/2602.17025