Learning to Correct: Calibrated Reinforcement Learning for Multi-Attempt Chain-of-Thought

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Ildiz, Muhammed Emrullah, Gozeten, Halil Alperen, Taga, Ege Onur, Oymak, Samet
Formato:	Preprint
Publicado:	2026
Materias:	Machine Learning Artificial Intelligence
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2604.17912