Enregistré dans:
| Auteurs principaux: | Wang, Tianlu, Kulikov, Ilia, Golovneva, Olga, Yu, Ping, Yuan, Weizhe, Dwivedi-Yu, Jane, Pang, Richard Yuanzhe, Fazel-Zarandi, Maryam, Weston, Jason, Li, Xian |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2408.02666 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
CoT-Self-Instruct: Building high-quality synthetic prompts for reasoning and non-reasoning tasks
par: Yu, Ping, et autres
Publié: (2025)
par: Yu, Ping, et autres
Publié: (2025)
Self-Consistency Preference Optimization
par: Prasad, Archiki, et autres
Publié: (2024)
par: Prasad, Archiki, et autres
Publié: (2024)
Contextual Position Encoding: Learning to Count What's Important
par: Golovneva, Olga, et autres
Publié: (2024)
par: Golovneva, Olga, et autres
Publié: (2024)
J1: Incentivizing Thinking in LLM-as-a-Judge via Reinforcement Learning
par: Whitehouse, Chenxi, et autres
Publié: (2025)
par: Whitehouse, Chenxi, et autres
Publié: (2025)
R.I.P.: Better Models by Survival of the Fittest Prompts
par: Yu, Ping, et autres
Publié: (2025)
par: Yu, Ping, et autres
Publié: (2025)
Self-Rewarding Language Models
par: Yuan, Weizhe, et autres
Publié: (2024)
par: Yuan, Weizhe, et autres
Publié: (2024)
Distilling System 2 into System 1
par: Yu, Ping, et autres
Publié: (2024)
par: Yu, Ping, et autres
Publié: (2024)
Multi-Token Attention
par: Golovneva, Olga, et autres
Publié: (2025)
par: Golovneva, Olga, et autres
Publié: (2025)
Self-Improving Pretraining: using post-trained models to pretrain better models
par: Tan, Ellen Xiaoqing, et autres
Publié: (2026)
par: Tan, Ellen Xiaoqing, et autres
Publié: (2026)
Meta-Rewarding Language Models: Self-Improving Alignment with LLM-as-a-Meta-Judge
par: Wu, Tianhao, et autres
Publié: (2024)
par: Wu, Tianhao, et autres
Publié: (2024)
StepWiser: Stepwise Generative Judges for Wiser Reasoning
par: Xiong, Wei, et autres
Publié: (2025)
par: Xiong, Wei, et autres
Publié: (2025)
Iterative Reasoning Preference Optimization
par: Pang, Richard Yuanzhe, et autres
Publié: (2024)
par: Pang, Richard Yuanzhe, et autres
Publié: (2024)
Reverse Training to Nurse the Reversal Curse
par: Golovneva, Olga, et autres
Publié: (2024)
par: Golovneva, Olga, et autres
Publié: (2024)
Following Length Constraints in Instructions
par: Yuan, Weizhe, et autres
Publié: (2024)
par: Yuan, Weizhe, et autres
Publié: (2024)
Learning to Plan & Reason for Evaluation with Thinking-LLM-as-a-Judge
par: Saha, Swarnadeep, et autres
Publié: (2025)
par: Saha, Swarnadeep, et autres
Publié: (2025)
Bridging Offline and Online Reinforcement Learning for LLMs
par: Lanchantin, Jack, et autres
Publié: (2025)
par: Lanchantin, Jack, et autres
Publié: (2025)
Explore Theory of Mind: Program-guided adversarial data generation for theory of mind reasoning
par: Sclar, Melanie, et autres
Publié: (2024)
par: Sclar, Melanie, et autres
Publié: (2024)
System-Level Natural Language Feedback
par: Yuan, Weizhe, et autres
Publié: (2023)
par: Yuan, Weizhe, et autres
Publié: (2023)
Hybrid Reinforcement: When Reward Is Sparse, It's Better to Be Dense
par: Tao, Leitian, et autres
Publié: (2025)
par: Tao, Leitian, et autres
Publié: (2025)
SPICE: Self-Play In Corpus Environments Improves Reasoning
par: Liu, Bo, et autres
Publié: (2025)
par: Liu, Bo, et autres
Publié: (2025)
NaturalReasoning: Reasoning in the Wild with 2.8M Challenging Questions
par: Yuan, Weizhe, et autres
Publié: (2025)
par: Yuan, Weizhe, et autres
Publié: (2025)
Efficient Tool Use with Chain-of-Abstraction Reasoning
par: Gao, Silin, et autres
Publié: (2024)
par: Gao, Silin, et autres
Publié: (2024)
The Era of Real-World Human Interaction: RL from User Conversations
par: Jin, Chuanyang, et autres
Publié: (2025)
par: Jin, Chuanyang, et autres
Publié: (2025)
Adaptive Decoding via Latent Preference Optimization
par: Dhuliawala, Shehzaad, et autres
Publié: (2024)
par: Dhuliawala, Shehzaad, et autres
Publié: (2024)
Diverse Preference Optimization
par: Lanchantin, Jack, et autres
Publié: (2025)
par: Lanchantin, Jack, et autres
Publié: (2025)
Branch-Train-MiX: Mixing Expert LLMs into a Mixture-of-Experts LLM
par: Sukhbaatar, Sainbayar, et autres
Publié: (2024)
par: Sukhbaatar, Sainbayar, et autres
Publié: (2024)
Thinking LLMs: General Instruction Following with Thought Generation
par: Wu, Tianhao, et autres
Publié: (2024)
par: Wu, Tianhao, et autres
Publié: (2024)
Source2Synth: Synthetic Data Generation and Curation Grounded in Real Data Sources
par: Lupidi, Alisia, et autres
Publié: (2024)
par: Lupidi, Alisia, et autres
Publié: (2024)
Reasoning over mathematical objects: on-policy reward modeling and test time aggregation
par: Aggarwal, Pranjal, et autres
Publié: (2026)
par: Aggarwal, Pranjal, et autres
Publié: (2026)
Self-Challenging Language Model Agents
par: Zhou, Yifei, et autres
Publié: (2025)
par: Zhou, Yifei, et autres
Publié: (2025)
NaturalThoughts: Selecting and Distilling Reasoning Traces for General Reasoning Tasks
par: Li, Yang, et autres
Publié: (2025)
par: Li, Yang, et autres
Publié: (2025)
LLM Pretraining with Continuous Concepts
par: Tack, Jihoon, et autres
Publié: (2025)
par: Tack, Jihoon, et autres
Publié: (2025)
Self-Taught Agentic Long Context Understanding
par: Zhuang, Yufan, et autres
Publié: (2025)
par: Zhuang, Yufan, et autres
Publié: (2025)
Leveraging Implicit Feedback from Deployment Data in Dialogue
par: Pang, Richard Yuanzhe, et autres
Publié: (2023)
par: Pang, Richard Yuanzhe, et autres
Publié: (2023)
OptimalThinkingBench: Evaluating Over and Underthinking in LLMs
par: Aggarwal, Pranjal, et autres
Publié: (2025)
par: Aggarwal, Pranjal, et autres
Publié: (2025)
TOOLVERIFIER: Generalization to New Tools via Self-Verification
par: Mekala, Dheeraj, et autres
Publié: (2024)
par: Mekala, Dheeraj, et autres
Publié: (2024)
The Majority is not always right: RL training for solution aggregation
par: Zhao, Wenting, et autres
Publié: (2025)
par: Zhao, Wenting, et autres
Publié: (2025)
Recycling the Web: A Method to Enhance Pre-training Data Quality and Quantity for Language Models
par: Nguyen, Thao, et autres
Publié: (2025)
par: Nguyen, Thao, et autres
Publié: (2025)
RESTRAIN: From Spurious Votes to Signals -- Self-Driven RL with Self-Penalization
par: Yu, Zhaoning, et autres
Publié: (2025)
par: Yu, Zhaoning, et autres
Publié: (2025)
V-STaR: Training Verifiers for Self-Taught Reasoners
par: Hosseini, Arian, et autres
Publié: (2024)
par: Hosseini, Arian, et autres
Publié: (2024)
Documents similaires
-
CoT-Self-Instruct: Building high-quality synthetic prompts for reasoning and non-reasoning tasks
par: Yu, Ping, et autres
Publié: (2025) -
Self-Consistency Preference Optimization
par: Prasad, Archiki, et autres
Publié: (2024) -
Contextual Position Encoding: Learning to Count What's Important
par: Golovneva, Olga, et autres
Publié: (2024) -
J1: Incentivizing Thinking in LLM-as-a-Judge via Reinforcement Learning
par: Whitehouse, Chenxi, et autres
Publié: (2025) -
R.I.P.: Better Models by Survival of the Fittest Prompts
par: Yu, Ping, et autres
Publié: (2025)