原创力文档桥接SFT和RL：鲁棒推理的动态策略优化 Bridging SFT and RL Dynamic Policy Optimization for Robust Reasoning.pdfVIP
- 1
- 0
- 约11.42万字
- 约 17页
- 2026-07-21 发布于广东
- 举报
BridgingSFTandRL:DynamicPolicyOptimizationforRobustReasoning
1,2,†*2,†,‡2,♠3221,‡
TaojieZhu,DongyangXu,DingZou,SenZhao,QiaoboHao,ZhiguoYang,YonghongHe
1ShenzhenInternationalGraduateSchool,TsinghuaUniversity
2IntelligentSystemDepartment,ZhongxingTelecomEquipment(ZTE)
3InstituteofAdvancedInterdisciplinaryStudies,ChongqingU
您可能关注的文档
- 联合国西亚经济社会委员会-冲突及其冲击波：对阿拉伯地区妇女安全和经济参与的影响 Conflict and its shockwaves implications for the security and economic participation of women in the Arab region.pdf
- 量化人工智能发展水平 以计量指标与测量体系建立对人工智能的信心与保障 Getting the measure of AI building confidence in AI and assurance through metrics and measurement.pdf
- 绿色势在必行的全球视野中国ESG演进中的本土实践 The Green Imperative Global Vision Local Practice in China's ESG Evolution.pdf
- 绿色象限：工业计算机化维护管理系统 Green Quadrant Industrial Computerized Maintenance Management Systems (CMMS) (2025).pdf
- 迈向科学工程化：人工智能时代下生成与核验的再平衡 Toward an Engineering of Science Rebalancing Generation and Verification in the Age of AI.pdf
- 美国标准战略（2025）：United States Standards Strategy 2025.pdf
- 美国国家标准学会 2025年影响报告 ANSI Impact Report 2025.pdf
- 美国韩国收益同步及其对货币政策传导的影响 2026-韩国央行.pdf
- 美国无人机作战体系的发展态势及其影响.pdf
- 美联储 -2025 年美国家庭经济福祉状况 Economic Well-Being of U.S. Households in 2025 Appendixes.pdf
- 2026（可编辑）血液透析移植动静脉内瘘护理中国专家共识.pptx
- 2020+CAIRCAR指南：疑似或确诊COVID-19患者介入影像学检查.pptx
- 2020+AUAASTROSUO指南：晚期前列腺癌.pptx
- 2020+CHEST指南：COVID-19患者静脉血栓栓塞的预防、诊断和治疗.pptx
- 2020+EACVI建议：COVID-19流行与心脏影像学检查—防范措施、适应证和防护.pptx
- 关注老年心理健康的护理策略.pptx
- 2020+ESGE指南：胃肠动力障碍的内镜管理——第1部分.pptx
- 2020+ESGE指南：胃肠动力障碍的内镜管理——第2部分.pptx
- 2020+ESICM共识建议：急性颅脑损伤患者的机械通气.pptx
- 2020+ESE声明：COVID-19和内分泌疾病.pptx
最近下载
- 2026年湖南省衡阳中小学教师招聘考试卷附答案.docx VIP
- 【高清可复制】DBJT08-120-2015 雨水口标准图(图集号2015沪S203).pdf VIP
- 高一数学培优概率初步-讲义（教师版）.pdf VIP
- 湖南省_既有多层住宅建筑增设电梯工程技术规程.pdf VIP
- 中枢神经系统感染ppt课件.pptx VIP
- DB62T 1360-2021绿色食品 奶牛饲养技术规程.docx VIP
- 高强螺栓与后值锚栓承载力计算.xls VIP
- 临时用工协议正式版.docx VIP
- 后锚固栓计算20210521.xls VIP
- 清单18 相似三角形的10大经典模型 （解析版）.pdf VIP
文档评论（0）