Tag: RLVR

All the articles with the tag "RLVR".

• 6.7

  Self-Distilled RLVR：自蒸馏提升推理模型的强化学习效率

  2026年04月06日

  · arXiv cs.LG· 04/06 12:33 采集

  探索策略内自蒸馏用于推理模型训练，同一模型作为教师和学生，通过特权信息提升蒸馏信号质量。