S3AC：面向 LLM 推理的稳定、选择性、可扩展 Actor-Critic 方法
S3AC: Stabilized, Selective, and Scalable Actor-Critic for LLM Reasoning
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
S3AC 是一套面向 LLM 长链式推理的 Actor-Critic 训练方案，通过实用的 critic 训练配方提供 token 级优势和 prompt 级基线。
来源：Hugging Face Daily Papers · arxiv.org