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

提交意见反馈