Exploration via Activation-Space Steering for Reinforcement Learning with Verifiable Rewards

Yunan Zeng, Jinhao Jing, Xi Cheng, Yuwang Wang

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.