arXiv preprint / 奖励驱动进化

PAG: Multi-Turn Reinforced LLM Self-Correction with Policy as Generative Verifier

作者：Yuhua Jiang, Yuwen Xiong, Yufeng Yuan, Chao Xin, Wenyuan Xu, Yu Yue, Qianchuan Zhao, Lin Yan · 单位：Tsinghua University, ByteDance Seed · 会议/期刊：arXiv preprint · 方向：奖励驱动进化 · 发布日期：2025-06-12

自我进化智能体奖励驱动进化大语言模型智能体奖励学习强化学习
新标签打开 AlphaXiv
PAG: Multi-Turn Reinforced LLM Self-Correction with Policy as Generative Verifier figure
AlphaXiv 中文概览（可滚动查看）