arxivGitHubあり2026-11-02
Not All Reasoning Generalizes: A Case Study on Learning Generalizable Reasoning Strategies in RLVR
Reinforcement learning with verifiable rewards (RLVR) can enable generalizable improvement for large language
自然言語処理大規模言語モデル異常検知テキスト強化学習
- 用途
- 異常検知
- 難易度
- Hard
- コスト
- High
→