GSM8K

引用本概念的论文(1)

• RLVR 中的奖励粒度:比较小语言模型数学推理的过程奖励与结果奖励结构 Reward Granularity in RLVR: Comparing Process and Outcome Reward Structures for Mathematical Reasoning in Small Language Models arXiv 2607.02869

共现相关概念

在引用本概念的论文中,与下列概念同时出现的次数(降序)。