浙大&北大团队提出SPADER：用step-wise GRPO与多样性感知奖励驱动多答案问答长尾探索 - 腾讯新闻

浙大&北大团队提出SPADER：用step-wise GRPO与多样性感知奖励驱动多答案问答长尾探索 腾讯新闻

读原文 ↗ 同一天的其他条目

判断口径 — · 入库 #2600 · 回首页