标签: reasoning

2026年8月31日

• source
• paper
• reasoning
• grpo
• rlvr
• math
• data

2026年8月27日

• source
• paper
• distillation
• reasoning
• rationale

2026年8月12日

• source
• paper
• distillation
• on-policy-kd
• self-distillation
• reasoning
• grpo

2026年8月11日

• source
• paper
• distillation
• on-policy-kd
• opd
• grpo
• reasoning
• code
• rl

2026年8月11日

• source
• paper
• distillation
• on-policy-kd
• opd
• reasoning
• recipe
• post-training

2026年7月22日

• source
• paper
• distillation
• on-policy-kd
• post-training
• reasoning
• code

2026年7月15日

• source
• paper
• rlvr
• entropy
• grpo
• ppo
• reinforcement-learning
• reasoning
• coding

2026年5月28日

• source
• paper
• pretraining
• reinforcement-learning
• reasoning
• chain-of-thought

2026年5月28日

• pretraining
• reinforcement-learning
• reasoning

2026年5月16日

• application
• agent
• reasoning

2026年5月02日

• prompting
• reasoning

2026年3月07日

• post-training
• grpo
• reasoning