Conformal Prediction-Enabled Sequence-level Policy Optimization for Reasoning Language Models

Hui Yang, Wan Tian, Tao Ren, Zhongyi Li, Yijie Peng

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.