Policy Split: Incentivizing Dual-Mode Exploration in LLM Reinforcement with Dual-Mode Entropy Regularization

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Yao, Jiashu, Huang, Heyan, Luo, Chuwei, Wu, Daiqing, Liu, Zeming, Guo, Yuhang, Kang, Yangyang
Formato:	Preprint
Publicado:	2026
Materias:	Computation and Language Artificial Intelligence Machine Learning
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Descripción
Descripción no disponible.

Ejemplares similares