评分 7 · 来源：arXiv · 发布于 2026-04-09
评分依据：分阶段层次优势估计用于LLM推理——RL推理训练的方法论改进，对reasoning model训练有指导意义
SHAPE: Stage-aware Hierarchical Advantage Estimation for LLM Reasoning
原文： arXiv
评分 7 · 来源：arXiv · 发布于 2026-04-09
评分依据：分阶段层次优势估计用于LLM推理——RL推理训练的方法论改进，对reasoning model训练有指导意义