Bridging SFT and RL: Dynamic Policy Optimization for Robust Reasoning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhu, Taojie, Xu, Dongyang, Zou, Ding, Zhao, Sen, Hao, Qiaobo, Yang, Zhiguo, He, Yonghong
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Online

https://arxiv.org/abs/2604.08926