Beyond Negative Rollouts: Positive-Only Policy Optimization with Implicit Negative Gradients

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Xu, Mingwei, Fang, Hao
Formato:	Preprint
Publicado:	2026
Materias:	Computation and Language
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2605.06650