Correctness-Dependent Asymmetric Target Distributions for Self-Distillation Policy Optimization

Suwan Yoon, Seongryong Jung, Changhee Lee

На странице источника доступны аннотация, полный текст или сведения о том, где его прочитать. Препринт может ещё не пройти рецензирование; проверьте, появилась ли журнальная версия.