BitTide
菜单
首页
最新
模型
工具
新闻
产品
论文
事件
今日日报
搜索
订阅
首页
最新
模型
工具
新闻
产品
论文
事件
今日日报
搜索
订阅
English
登录
grpo-reward
标签
Cards
List
#grpo-reward
奖励高效推理提升推理模型在未指定任务中的弃权能力
arXiv cs.CL
↗
· 2026-09-21
缓存
本文引入了一种新颖的GRPO奖励,以提升大型推理模型在未指定任务上的弃权能力,从而增强效率和类人推理,同时保持性能。
0 人收藏
0 人点赞
← 返回首页
意见反馈
×
提交意见反馈
感谢您的反馈!
提交