Probability-Consistent Preference Optimization for Enhanced LLM Reasoning
机构 * CUHK MMLab(香港中文大学MML实验室) ; SenseTime Research(商汤科技研究院) ; CPII under InnoHK(创新香港下的CPII) ; Shanghai AI Laboratory(上海人工智能实验室) ; Zhiyuan College, SJTU(上海交通大学智远学院)
专题命中 数学推理 :reasoning(title,abstract);分类 cs.CL
Comments 14 pages, to be published in ACL 2025 findings