Разреженная RL-релаксация для рассуждений LLM
arXiv:2610.27220v1 Тип объявления: new Abstract: Недавние работы исследовали непрерывные представления вместо дискретных токенов во время рассуждений по цепочке (CoT), что часто называют мягким CoT. Это мотивируется идеей, что смесь эмбеддингов токенов может представлять...