Deliberative Searcher: Improving LLM Reliability via Reinforcement Learning with constraints

发布

2026年04月20日

采集 2026年04月20日 06:45

学术前沿 6.0 分 — RL with constraint for reliable open-domain QA

评分 6.0 · 来源：cs.AI updates on arXiv.org · 发布于 2026-04-20

评分依据：RL with constraint for reliable open-domain QA