Skip to main content
Manusで任意のスキルを実行
ワンクリックで

rlvr-update-direction-analysis

スター6
フォーク0
更新日2026年3月26日 15:00

Analyze reinforcement learning with verifiable rewards using signed log-probability differences to identify reasoning-critical tokens. Reveals that RLVR updates concentrate on low-probability tokens, enabling test-time amplification and training-time reweighting techniques.

インストール

Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。

SKILL.md
readonly