Countdown-Code: A Testbed for Studying The Emergence and Generalization of Reward Hacking in RLVR

Fuente: arXiv
Guardado en:
Detalles Bibliográficos
Autores principales: Khalifa, Muhammad, Khan, Zohaib, Tafveez, Omer, Peng, Hao, Wang, Lu
Formato: Preprint
Publicado: 2026
Materias:
Acceso en línea:
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Ejemplares similares