BriefGPT - AI 论文速递 · 2025-05-19T00:00:00Z J4R: Learning to Judge through Equivalent Initial State Group Relative Preference Optimization 💡 原文英文，约100词，阅读约需1分钟。 📝 内容提要 本文提出了一种新的训练方法J4R，旨在提升大语言模型（LLM）在复杂推理中的评估能力。通过等效初始状态组相对策略优化算法（EIS-GRPO），J4R在多样化推理设置中表现优异，超越了现有模型，显示出显著的性能提升和应用潜力。 🏷️ 标签 复杂推理 大语言模型 性能提升 策略优化 训练方法 阅读原文 生成长图 分享链接 已复制链接
