中文翻译暂不可用，显示俄语原文。
Soft-label
Soft-label
Определение
Вероятностная метка для каждого шага рассуждения вместо бинарной. Применяется в process reward model для более точного обучения модели вознаграждения.
中文翻译暂不可用，显示俄语原文。
Вероятностная метка для каждого шага рассуждения вместо бинарной. Применяется в process reward model для более точного обучения модели вознаграждения.