When Rewards Depend on the Group, GRPO Plays a Tournament

Junyi Gao, Yu Shi, Pingzhao Hu, Ewen M Harrison

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.