Entropy-Regularized Token-Level Policy Optimization for Language Agent Reinforcement
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Wen, Muning, Liao, Junwei, Deng, Cheng, Wang, Jun, Zhang, Weinan, Wen, Ying |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Reinforcing Language Agents via Policy Optimization with Action Decomposition
par: Wen, Muning, et autres
Publié: (2024)
par: Wen, Muning, et autres
Publié: (2024)
MARFT: Multi-Agent Reinforcement Fine-Tuning
par: Liao, Junwei, et autres
Publié: (2025)
par: Liao, Junwei, et autres
Publié: (2025)
Understanding Agent Scaling in LLM-Based Multi-Agent Systems via Diversity
par: Yang, Yingxuan, et autres
Publié: (2026)
par: Yang, Yingxuan, et autres
Publié: (2026)
PMAT: Optimizing Action Generation Order in Multi-Agent Reinforcement Learning
par: Hu, Kun, et autres
Publié: (2025)
par: Hu, Kun, et autres
Publié: (2025)
Autonomous Goal Detection and Cessation in Reinforcement Learning: A Case Study on Source Term Estimation
par: Shi, Yiwei, et autres
Publié: (2024)
par: Shi, Yiwei, et autres
Publié: (2024)
Alphazero-like Tree-Search can Guide Large Language Model Decoding and Training
par: Feng, Xidong, et autres
Publié: (2023)
par: Feng, Xidong, et autres
Publié: (2023)
Hammer: Robust Function-Calling for On-Device Language Models via Function Masking
par: Lin, Qiqiang, et autres
Publié: (2024)
par: Lin, Qiqiang, et autres
Publié: (2024)
Position: Agentic AI System Is a Foreseeable Pathway to AGI
par: Liao, Junwei, et autres
Publié: (2026)
par: Liao, Junwei, et autres
Publié: (2026)
Entropy-Gated Selective Policy Optimization:Token-Level Gradient Allocation for Hybrid Training of Large Language Models
par: Hu, Yuelin, et autres
Publié: (2026)
par: Hu, Yuelin, et autres
Publié: (2026)
ERPO: Token-Level Entropy-Regulated Policy Optimization for Large Reasoning Models
par: Yu, Song, et autres
Publié: (2026)
par: Yu, Song, et autres
Publié: (2026)
LLM-Based Scientific Equation Discovery via Physics-Informed Token-Regularized Policy Optimization
par: Wang, Boxiao, et autres
Publié: (2026)
par: Wang, Boxiao, et autres
Publié: (2026)
Maximum Entropy Reinforcement Learning with Diffusion Policy
par: Dong, Xiaoyi, et autres
Publié: (2025)
par: Dong, Xiaoyi, et autres
Publié: (2025)
Towards Cold-Start Drafting and Continual Refining: A Value-Driven Memory Approach with Application to NPU Kernel Synthesis
par: Zheng, Yujie, et autres
Publié: (2026)
par: Zheng, Yujie, et autres
Publié: (2026)
T-REG: Preference Optimization with Token-Level Reward Regularization
par: Zhou, Wenxuan, et autres
Publié: (2024)
par: Zhou, Wenxuan, et autres
Publié: (2024)
TLPO: Token-Level Policy Optimization for Mitigating Language Confusion in Large Language Models
par: Choo, Jinho, et autres
Publié: (2026)
par: Choo, Jinho, et autres
Publié: (2026)
Behavior-Regularized Diffusion Policy Optimization for Offline Reinforcement Learning
par: Gao, Chen-Xiao, et autres
Publié: (2025)
par: Gao, Chen-Xiao, et autres
Publié: (2025)
ReMA: Learning to Meta-think for LLMs with Multi-Agent Reinforcement Learning
par: Wan, Ziyu, et autres
Publié: (2025)
par: Wan, Ziyu, et autres
Publié: (2025)
Policy Regularization on Globally Accessible States in Cross-Dynamics Reinforcement Learning
par: Xue, Zhenghai, et autres
Publié: (2025)
par: Xue, Zhenghai, et autres
Publié: (2025)
Score-Based Diffusion Policy Compatible with Reinforcement Learning via Optimal Transport
par: Sun, Mingyang, et autres
Publié: (2025)
par: Sun, Mingyang, et autres
Publié: (2025)
A Variance-Reduced Cubic-Regularized Newton for Policy Optimization
par: Sun, Cheng, et autres
Publié: (2025)
par: Sun, Cheng, et autres
Publié: (2025)
Federated Offline Policy Optimization with Dual Regularization
par: Yue, Sheng, et autres
Publié: (2024)
par: Yue, Sheng, et autres
Publié: (2024)
Hierarchical Reinforcement Learning with Augmented Step-Level Transitions for LLM Agents
par: Zhen, Shuai, et autres
Publié: (2026)
par: Zhen, Shuai, et autres
Publié: (2026)
DIA-CLIP: a universal representation learning framework for zero-shot DIA proteomics
par: Liao, Yucheng, et autres
Publié: (2026)
par: Liao, Yucheng, et autres
Publié: (2026)
$K$-Level Policy Gradients for Multi-Agent Reinforcement Learning
par: Reddi, Aryaman, et autres
Publié: (2025)
par: Reddi, Aryaman, et autres
Publié: (2025)
Revisiting Mixture Policies in Entropy-Regularized Actor-Critic
par: He, Jiamin, et autres
Publié: (2026)
par: He, Jiamin, et autres
Publié: (2026)
Large Language Models Struggle in Token-Level Clinical Named Entity Recognition
par: Lu, Qiuhao, et autres
Publié: (2024)
par: Lu, Qiuhao, et autres
Publié: (2024)
Robust Gymnasium: A Unified Modular Benchmark for Robust Reinforcement Learning
par: Gu, Shangding, et autres
Publié: (2025)
par: Gu, Shangding, et autres
Publié: (2025)
Entropy-Regularized Adjoint Matching for Offline Reinforcement Learning
par: Ghanem, Abdelghani, et autres
Publié: (2026)
par: Ghanem, Abdelghani, et autres
Publié: (2026)
Agentic Reinforced Policy Optimization
par: Dong, Guanting, et autres
Publié: (2025)
par: Dong, Guanting, et autres
Publié: (2025)
Asymmetric On-Policy Distillation: Bridging Exploitation and Imitation at the Token Level
par: Jia, Nan, et autres
Publié: (2026)
par: Jia, Nan, et autres
Publié: (2026)
DiPRL: Learning Discrete Programmatic Policies via Architecture Entropy Regularization
par: Hu, Chengpeng, et autres
Publié: (2026)
par: Hu, Chengpeng, et autres
Publié: (2026)
Reinforcement Learning with Promising Tokens for Large Language Models
par: Pang, Jing-Cheng, et autres
Publié: (2026)
par: Pang, Jing-Cheng, et autres
Publié: (2026)
When Maximum Entropy Misleads Policy Optimization
par: Zhang, Ruipeng, et autres
Publié: (2025)
par: Zhang, Ruipeng, et autres
Publié: (2025)
AlignDistil: Token-Level Language Model Alignment as Adaptive Policy Distillation
par: Zhang, Songming, et autres
Publié: (2025)
par: Zhang, Songming, et autres
Publié: (2025)
Calibration-Aware Policy Optimization for Reasoning LLMs
par: Wang, Ziqi, et autres
Publié: (2026)
par: Wang, Ziqi, et autres
Publié: (2026)
ESPO: Entropy Importance Sampling Policy Optimization
par: Sheng, Yuepeng, et autres
Publié: (2025)
par: Sheng, Yuepeng, et autres
Publié: (2025)
GVPO: Group Variance Policy Optimization for Large Language Model Post-Training
par: Zhang, Kaichen, et autres
Publié: (2025)
par: Zhang, Kaichen, et autres
Publié: (2025)
Revisiting Regularized Policy Optimization for Stable and Efficient Reinforcement Learning in Two-Player Games
par: Ota, Kazuki, et autres
Publié: (2026)
par: Ota, Kazuki, et autres
Publié: (2026)
MemQ: Integrating Q-Learning into Self-Evolving Memory Agents over Provenance DAGs
par: Liao, Junwei, et autres
Publié: (2026)
par: Liao, Junwei, et autres
Publié: (2026)
BackSlash: Rate Constrained Optimized Training of Large Language Models
par: Wu, Jun, et autres
Publié: (2025)
par: Wu, Jun, et autres
Publié: (2025)
Documents similaires
-
Reinforcing Language Agents via Policy Optimization with Action Decomposition
par: Wen, Muning, et autres
Publié: (2024) -
MARFT: Multi-Agent Reinforcement Fine-Tuning
par: Liao, Junwei, et autres
Publié: (2025) -
Understanding Agent Scaling in LLM-Based Multi-Agent Systems via Diversity
par: Yang, Yingxuan, et autres
Publié: (2026) -
PMAT: Optimizing Action Generation Order in Multi-Agent Reinforcement Learning
par: Hu, Kun, et autres
Publié: (2025) -
Autonomous Goal Detection and Cessation in Reinforcement Learning: A Case Study on Source Term Estimation
par: Shi, Yiwei, et autres
Publié: (2024)