Self-Improvement with Auxiliary Rewards: Learning from Verified Traces and Evaluating Transfer

Minju Gwak, Alan Ritter

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.