arXiv · NLP· Sohyun Son, Yerim Hong, Jaeyun Park, Mujeen Sung·· 3 小时前AI 评分37
```json
Improving Reasoning with Rollout Agreement for Group-Based Policy Optimization
AI 导读
{ "title_zh": "RoAR 提升基于群组策略优化的推理能力", "summary_zh": "RoAR 通过向 GRPO 奖励中引入推理一致性信号，在五个数学基准上实现 55.5% 平均 pass@1。
来源：arXiv · NLP · arxiv.org