开源雷达国内 GitHub 镜像站
加速通道已就绪 返回列表
全部项目

CJReinforce/PURE

Official code for the paper, "Stop Summation: Min-Form Credit Assignment Is All Process Reward Model Needs for Reasoning"

语言:Python · GitHub 星标:174 · Fork:8

话题:llm · mathematics · o1 · r1 · reasoning · reinforcement-finetuning · reinforcement-learning · rl

在 GitHub 上查看原仓库

正在读取项目信息…