自蒸馏可验证奖励强化学习 Self-Distilled RLVR.pdfVIP

  • 0
  • 0
  • 约12.46万字
  • 约 25页
  • 2026-08-11 发布于广东
  • 举报

自蒸馏可验证奖励强化学习 Self-Distilled RLVR.pdf

Self-DistilledRLVR

ChenxuYang1,2,∗,ChuanyuQin1,2,∗,QingyiSi3,∗,MinghuiChen1,2,NaibinGu1,2,

1,21,2,†133

DingyuYao,ZhengLin,WeipingWang,JiaqiWang,NanDuan

1InstituteofInformationEngineering,ChineseAcademyofSciences,Beijing,China,

2SchoolofCyberSecurity,UniversityofChineseAcademyofSciences,Beijing,China,

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档