SPPO: Sequence-Level PPO for Long-Horizon Reasoning Tasks

Fuente: arXiv
Guardado en:
Detalles Bibliográficos
Autores principales: Wang, Tianyi, Li, Yixia, Li, Long, Chen, Yibiao, Huang, Shaohan, Chen, Yun, Li, Peng, Liu, Yang, Chen, Guanhua
Formato: Preprint
Publicado: 2026
Materias:
Acceso en línea:
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Ejemplares similares