Buchumschlag

Not All LLM Reasoners Are Created Equal

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hosseini, Arian, Sordoni, Alessandro, Toyama, Daniel, Courville, Aaron, Agarwal, Rishabh
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

V-STaR: Training Verifiers for Self-Taught Reasoners
von: Hosseini, Arian, et al.
Veröffentlicht: (2024)

Putting the Value Back in RL: Better Test-Time Scaling by Unifying LLM Reasoners With Verifiers
von: Sareen, Kusha, et al.
Veröffentlicht: (2025)

Shape of Thought: When Distribution Matters More than Correctness in Reasoning Tasks
von: Chandra, Abhranil, et al.
Veröffentlicht: (2025)

Asynchronous RLHF: Faster and More Efficient Off-Policy RL for Language Models
von: Noukhovitch, Michael, et al.
Veröffentlicht: (2024)

The Markovian Thinker: Architecture-Agnostic Linear Scaling of Reasoning
von: Aghajohari, Milad, et al.
Veröffentlicht: (2025)

Generative Verifiers: Reward Modeling as Next-Token Prediction
von: Zhang, Lunjun, et al.
Veröffentlicht: (2024)

Selective Matching Losses -- Not All Scores Are Created Equal
von: Shamir, Gil I., et al.
Veröffentlicht: (2025)

VinePPO: Refining Credit Assignment in RL Training of LLMs
von: Kazemnejad, Amirhossein, et al.
Veröffentlicht: (2024)

Not All Code Is Equal: A Data-Centric Study of Code Complexity and LLM Reasoning
von: Twist, Lukas, et al.
Veröffentlicht: (2026)

Adversarial Samples Are Not Created Equal
von: Crawford, Jennifer, et al.
Veröffentlicht: (2026)

Not All Tokens Are Created Equal: Query-Efficient Jailbreak Fuzzing for LLMs
von: Chen, Wenyu, et al.
Veröffentlicht: (2026)

Not All Frequencies Are Created Equal:Towards a Dynamic Fusion of Frequencies in Time-Series Forecasting
von: Zhang, Xingyu, et al.
Veröffentlicht: (2024)

Effect of Document Packing on the Latent Multi-Hop Reasoning Capabilities of Large Language Models
von: Prato, Gabriele, et al.
Veröffentlicht: (2025)

Not All Options Are Created Equal: Textual Option Weighting for Token-Efficient LLM-Based Knowledge Tracing
von: Kim, JongWoo, et al.
Veröffentlicht: (2024)

Not All Federated Learning Algorithms Are Created Equal: A Performance Evaluation Study
von: Baumgart, Gustav A., et al.
Veröffentlicht: (2024)

Are All Marine Species Created Equal? Performance Disparities in Underwater Object Detection
von: Wille, Melanie, et al.
Veröffentlicht: (2025)

Not All Bits Are Equal: Scale-Dependent Memory Optimization Strategies for Reasoning Models
von: Kim, Junhyuck, et al.
Veröffentlicht: (2025)

Rewarding Progress: Scaling Automated Process Verifiers for LLM Reasoning
von: Setlur, Amrith, et al.
Veröffentlicht: (2024)

Not All Candidates are Created Equal: A Heterogeneity-Aware Approach to Pre-ranking in Recommender Systems
von: Tong, Pengfei, et al.
Veröffentlicht: (2026)

Not All Layers Are Created Equal: Adaptive LoRA Ranks for Personalized Image Generation
von: Shenaj, Donald, et al.
Veröffentlicht: (2026)

Not All Pretraining are Created Equal: Threshold Tuning and Class Weighting for Imbalanced Polarization Tasks in Low-Resource Settings
von: Oguntade, Abass
Veröffentlicht: (2026)

Not All Negative Samples Are Equal: LLMs Learn Better from Plausible Reasoning
von: Di, Zixiang, et al.
Veröffentlicht: (2026)

Learning to Extract Context for Context-Aware LLM Inference
von: Kim, Minseon, et al.
Veröffentlicht: (2025)

Not All LLM-Generated Data Are Equal: Rethinking Data Weighting in Text Classification
von: Kuo, Hsun-Yu, et al.
Veröffentlicht: (2024)

Guiding Language Model Reasoning with Planning Tokens
von: Wang, Xinyi, et al.
Veröffentlicht: (2023)

Versatile Energy-Based Probabilistic Models for High Energy Physics
von: Cheng, Taoli, et al.
Veröffentlicht: (2023)

Trade-offs in Ensembling, Merging and Routing Among Parameter-Efficient Experts
von: Lotfi, Sanae, et al.
Veröffentlicht: (2026)

When To Solve, When To Verify: Compute-Optimal Problem Solving and Generative Verification for LLM Reasoning
von: Singhi, Nishad, et al.
Veröffentlicht: (2025)

Smaller, Weaker, Yet Better: Training LLM Reasoners via Compute-Optimal Sampling
von: Bansal, Hritik, et al.
Veröffentlicht: (2024)

SiT: Symmetry-Invariant Transformers for Generalisation in Reinforcement Learning
von: Weissenbacher, Matthias, et al.
Veröffentlicht: (2024)

Neuroplastic Expansion in Deep Reinforcement Learning
von: Liu, Jiashun, et al.
Veröffentlicht: (2024)

The Curse of Diversity in Ensemble-Based Exploration
von: Lin, Zhixuan, et al.
Veröffentlicht: (2024)

Efficient Adversarial Training in LLMs with Continuous Attacks
von: Xhonneux, Sophie, et al.
Veröffentlicht: (2024)

Training Plug-n-Play Knowledge Modules with Deep Context Distillation
von: Caccia, Lucas, et al.
Veröffentlicht: (2025)

Improving Context-Aware Preference Modeling for Language Models
von: Pitis, Silviu, et al.
Veröffentlicht: (2024)

Learning to Solve Complex Problems via Dataset Decomposition
von: Zhao, Wanru, et al.
Veröffentlicht: (2026)

In value-based deep reinforcement learning, a pruned network is a good network
von: Obando-Ceron, Johan, et al.
Veröffentlicht: (2024)

Compositional Discrete Latent Code for High Fidelity, Productive Diffusion Models
von: Lavoie, Samuel, et al.
Veröffentlicht: (2025)

All Nodes are created Not Equal: Node-Specific Layer Aggregation and Filtration for GNN
von: Wang, Shilong, et al.
Veröffentlicht: (2024)

A Mechanistic Analysis of Looped Reasoning Language Models
von: Blayney, Hugh, et al.
Veröffentlicht: (2026)