DuPO: Enabling Reliable Self-Verification via Dual Preference Optimization2026年4月24日·Shuaijie She,Yu Bao,Yu Lu,Lu Xu,Tao Li,Wenhao Zhu,Jianbing ZhangShujian Huang,Shanbo Cheng,Lu Lu,Yuxuan Wang· 0 分钟阅读时长 引用 URL类型会议文章出版物The Fourteenth International Conference on Learning Representations最近更新于 2026年4月24日← CaReBench: A Fine-grained Benchmark for Video Captioning and Retrieval 2026年4月24日Long-Context Attention Benchmark: From Kernel Efficiency to Distributed Context Parallelism 2026年4月24日 →