在无需评估每个步骤的情况下修复 GRPO 的信用分配问题

arXiv，arXiv 是一个免费的学术预印本开放获取平台，涵盖物理学、数学、计算机科学等领域。关注
添加评论
点赞收藏
点踩分享查看原文
评论
?
参与讨论