Where RL Breaks: Localizing and Repairing Failures via Targeted Continued Pretraining

Xinyi Wang, Danqi Chen

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.