Buchumschlag

Fine-Grained Self-Endorsement Improves Factuality and Reasoning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Ante, Song, Linfeng, Peng, Baolin, Tian, Ye, Jin, Lifeng, Mi, Haitao, Su, Jinsong, Yu, Dong
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Self-Consistency Boosts Calibration for Math Reasoning
von: Wang, Ante, et al.
Veröffentlicht: (2024)

Self-Alignment for Factuality: Mitigating Hallucinations in LLMs via Self-Evaluation
von: Zhang, Xiaoying, et al.
Veröffentlicht: (2024)

LiteSearch: Efficacious Tree Search for LLM
von: Wang, Ante, et al.
Veröffentlicht: (2024)

Entropy Guided Extrapolative Decoding to Improve Factuality in Large Language Models
von: Das, Souvik, et al.
Veröffentlicht: (2024)

SIaM: Self-Improving Code-Assisted Mathematical Reasoning of Large Language Models
von: Yu, Dian, et al.
Veröffentlicht: (2024)

Response Enhanced Semi-supervised Dialogue Query Generation
von: Huang, Jianheng, et al.
Veröffentlicht: (2023)

Collaborative decoding of critical tokens for boosting factuality of large language models
von: Jin, Lifeng, et al.
Veröffentlicht: (2024)

Toward Self-Improvement of LLMs via Imagination, Searching, and Criticizing
von: Tian, Ye, et al.
Veröffentlicht: (2024)

Iterative Nash Policy Optimization: Aligning LLMs with General Preferences via No-Regret Learning
von: Zhang, Yuheng, et al.
Veröffentlicht: (2024)

Mitigating Catastrophic Forgetting in Large Language Models with Self-Synthesized Rehearsal
von: Huang, Jianheng, et al.
Veröffentlicht: (2024)

Don't Get Lost in the Trees: Streamlining LLM Reasoning by Overcoming Tree Search Exploration Pitfalls
von: Wang, Ante, et al.
Veröffentlicht: (2025)

Mitigating the Negative Impact of Over-association for Conversational Query Production
von: Wang, Ante, et al.
Veröffentlicht: (2024)

PruneCD: Contrasting Pruned Self Model to Improve Decoding Factuality
von: Yu, Byeongho, et al.
Veröffentlicht: (2025)

Improving LLM General Preference Alignment via Optimistic Online Mirror Descent
von: Zhang, Yuheng, et al.
Veröffentlicht: (2025)

On the Benefits of Fine-Grained Loss Truncation: A Case Study on Factuality in Summarization
von: Flores, Lorenzo Jaime Yu, et al.
Veröffentlicht: (2024)

DeepCompress: A Dual Reward Strategy for Dynamically Exploring and Compressing Reasoning Chains
von: Liang, Tian, et al.
Veröffentlicht: (2025)

Towards Self-Improvement of LLMs via MCTS: Leveraging Stepwise Knowledge with Curriculum Preference Learning
von: Wang, Xiyao, et al.
Veröffentlicht: (2024)

HunyuanProver: A Scalable Data Synthesis Framework and Guided Tree Search for Automated Theorem Proving
von: Li, Yang, et al.
Veröffentlicht: (2024)

Dual-Uncertainty Guided Policy Learning for Multimodal Reasoning
von: Liu, Rui, et al.
Veröffentlicht: (2025)

DeepTheorem: Advancing LLM Reasoning for Theorem Proving Through Natural Language and Reinforcement Learning
von: Zhang, Ziyin, et al.
Veröffentlicht: (2025)

EconProver: Towards More Economical Test-Time Scaling for Automated Theorem Proving
von: Li, Mukai, et al.
Veröffentlicht: (2025)

HDFlow: Enhancing LLM Complex Problem-Solving with Hybrid Thinking and Dynamic Workflows
von: Yao, Wenlin, et al.
Veröffentlicht: (2024)

DocTER: Evaluating Document-based Knowledge Editing
von: Wu, Suhang, et al.
Veröffentlicht: (2023)

Integrative Decoding: Improve Factuality via Implicit Self-consistency
von: Cheng, Yi, et al.
Veröffentlicht: (2024)

Group Distributionally Robust Optimization-Driven Reinforcement Learning for LLM Reasoning
von: Panaganti, Kishan, et al.
Veröffentlicht: (2026)

DOTS: Learning to Reason Dynamically in LLMs via Optimal Reasoning Trajectories Search
von: Yue, Murong, et al.
Veröffentlicht: (2024)

Inconsistent dialogue responses and how to recover from them
von: Zhang, Mian, et al.
Veröffentlicht: (2024)

DeepMath-103K: A Large-Scale, Challenging, Decontaminated, and Verifiable Mathematical Dataset for Advancing Reasoning
von: He, Zhiwei, et al.
Veröffentlicht: (2025)

MedReason: Eliciting Factual Medical Reasoning Steps in LLMs via Knowledge Graphs
von: Wu, Juncheng, et al.
Veröffentlicht: (2025)

R-Zero: Self-Evolving Reasoning LLM from Zero Data
von: Huang, Chengsong, et al.
Veröffentlicht: (2025)

ReFEree: Reference-Free and Fine-Grained Method for Evaluating Factual Consistency in Real-World Code Summarization
von: Bae, Suyoung, et al.
Veröffentlicht: (2026)

Trust, But Verify: A Self-Verification Approach to Reinforcement Learning with Verifiable Rewards
von: Liu, Xiaoyuan, et al.
Veröffentlicht: (2025)

Towards Fine-Grained Code-Switch Speech Translation with Semantic Space Alignment
von: Gao, Yan, et al.
Veröffentlicht: (2025)

Guided Self-Evolving LLMs with Minimal Human Supervision
von: Yu, Wenhao, et al.
Veröffentlicht: (2025)

Follow the Path: Reasoning over Knowledge Graph Paths to Improve Large Language Model Factuality
von: Zhang, Mike, et al.
Veröffentlicht: (2025)

FLAMES: Improving LLM Math Reasoning via a Fine-Grained Analysis of the Data Synthesis Pipeline
von: Seegmiller, Parker, et al.
Veröffentlicht: (2025)

Free(): Learning to Forget in Malloc-Only Reasoning Models
von: Zheng, Yilun, et al.
Veröffentlicht: (2026)

Self-Error-Instruct: Generalizing from Errors for LLMs Mathematical Reasoning
von: Yu, Erxin, et al.
Veröffentlicht: (2025)

A Knowledge Plug-and-Play Test Bed for Open-domain Dialogue Generation
von: Li, Xiangci, et al.
Veröffentlicht: (2024)

LegalGraphRAG: Multi-Agent Graph Retrieval-Augmented Generation for Reliable Legal Reasoning
von: Chen, Zerui, et al.
Veröffentlicht: (2026)