Questioning Instrumental Convergence in RLVR: Checkpoint Evidence from OLMo-3

Barış Alparslan, Sandy Tanwisuth, Caleb Petterson

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.