Prioritizing the Best: Incentivizing Reliable Multimodal Reasoning by Rewarding Beyond Answer Correctness

Fuente: arXiv
Guardado en:
Detalles Bibliográficos
Autores principales: Jia, Mengzhao, Zhang, Zhihan, Jiang, Meng
Formato: Preprint
Publicado: 2026
Materias:
Acceso en línea:
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Ejemplares similares