推理强化学习中轨迹生成的参考引导与自由生成如何平衡

英文标题：Balancing Reference Guidance and Free Generation in Trajectory Rollouts for Reasoning RL

该论文探讨在推理强化学习的轨迹生成过程中，应提供多少参考解引导。经过验证的参考解可以提供正确的训练轨迹，也可以仅用其前缀引导模型自行生成轨迹。原文摘要在研究介绍处截断，未提供实验结果或结论；所提供的正文也不包含具体研究内容。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB