Metaphor

标签: rl-tango

此标签下有1条笔记。

  • 2026年5月16日

    RL Tango - 生成器-验证器协同强化推理

    • rl-tango
    • generator-verifier
    • process-reward-model
    • reinforcement-learning
    • llm-reasoning

Created with Quartz v4.5.2 © 2026

  • GitHub
  • Discord Community