作者位次 #3/10ICLR 2026Poster
Asymmetric Proximal Policy Optimization: mini-critics boost LLM reasoning
Jiashun Liu · Johan S Obando Ceron · Han Lu · Yancheng He · Weixun Wang · Wenbo Su · Zerui Huang (Taobao & · Pablo Samuel Castro · Aaron Courville · Ling Pan