arXiv preprint / 模仿与示范学习

V-STaR: Training Verifiers for Self-Taught Reasoners

作者：Arian Hosseini, Xingdi Yuan, Nikolay Malkin, Aaron Courville, Alessandro Sordoni, Rishabh Agarwal · 单位：pngMicrosoft Research, pngUniversity of Edinburgh · 会议/期刊：arXiv preprint · 方向：模仿与示范学习 · 发布日期：2024-02-09

自我进化智能体模仿与示范学习模型自进化模仿学习
新标签打开 AlphaXiv
V-STaR: Training Verifiers for Self-Taught Reasoners figure
AlphaXiv 中文概览（可滚动查看）