H$^2$R: Hierarchical Hint-Based Reward for Mathematical Reasoning via Reinforcement Learning

He Tu, Siye Li, Hongyi Wen

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.