Buchumschlag

Tapered Off-Policy REINFORCE: Stable and efficient reinforcement learning for LLMs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Roux, Nicolas Le, Bellemare, Marc G., Lebensold, Jonathan, Bergeron, Arnaud, Greaves, Joshua, Fréchette, Alex, Pelletier, Carolyne, Thibodeau-Laufer, Eric, Toth, Sándor, Work, Sam
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Group-Relative REINFORCE Is Secretly an Off-Policy Algorithm: Demystifying Some Myths About GRPO and Its Friends
von: Yao, Chaorui, et al.
Veröffentlicht: (2025)

Taper-based scattering formulation of the Helmholtz equation to improve the training process of Physics-Informed Neural Networks
von: Dörfler, W., et al.
Veröffentlicht: (2024)

QuantFactor REINFORCE: Mining Steady Formulaic Alpha Factors with Variance-bounded REINFORCE
von: Zhao, Junjie, et al.
Veröffentlicht: (2024)

Research Directions for Verifiable Crypto-Physically Secure TEEs
von: Bellemare, Sylvain
Veröffentlicht: (2024)

Marc Bellemare
von: Marc Bellemare
Veröffentlicht: (2024)

REINFORCE++: Stabilizing Critic-Free Policy Optimization with Global Advantage Normalization
von: Hu, Jian, et al.
Veröffentlicht: (2025)

Non-Uniform Noise-to-Signal Ratio in the REINFORCE Policy-Gradient Estimator
von: Han, Haoyu, et al.
Veröffentlicht: (2026)

THE CONVENTION: THE SOLUTION TO REINFORCE ESDP?
von: MANUEL VÁZQUEZ MUÑOZ
Veröffentlicht: (2003)

Stable Asynchrony: Variance-Controlled Off-Policy RL for LLMs
von: Huang, Luke J., et al.
Veröffentlicht: (2026)

Asymmetric REINFORCE for off-Policy Reinforcement Learning: Balancing positive and negative rewards
von: Arnal, Charles, et al.
Veröffentlicht: (2025)

Stable oxygen isotope analysis of water samples during helicopter/ice camp TRANSDRIFT-XX, Laptev Sea
von: Bauch, Dorothea, et al.
Veröffentlicht: (2020)

Back to Basics: Revisiting REINFORCE Style Optimization for Learning from Human Feedback in LLMs
von: Ahmadian, Arash, et al.
Veröffentlicht: (2024)

PODCASTING: TOOL TO DEVELOP AND REINFORCE EFL LEARNING
von: Anali Carolina Rodríguez-Castro
Veröffentlicht: (2023)

TH-1517-DFD: Autonomous Interstellar Reconnaissance Spacecraft - Complete System Architecture & Mond Self-Repair
von: Thibodeau, Pascal
Veröffentlicht: (2026)

L'Humanité a Choisi la Mauvaise Guerre depuis 5 500 ans : Analyse métrologique ThibEquation v6.1 du vecteur guerrier et de la réponse institutionnelle à 3I/ATLAS
von: Thibodeau, Pascal
Veröffentlicht: (2026)

On the Privacy of Selection Mechanisms with Gaussian Noise
von: Lebensold, Jonathan, et al.
Veröffentlicht: (2024)

REINFORCE-ING Chemical Language Models for Drug Discovery
von: Thomas, Morgan, et al.
Veröffentlicht: (2025)

Inclusive Science in Canadian Federal Science Laboratories: Exploring Accessibility Policies and Best Practices
von: Sacha Ghandeharian, et al.
Veröffentlicht: (2026)

EVENTOS EXTREMOS DE PRECIPITAÇÃO NO ESTADO DO PARANÁ
von: Carolyne B. MACHADO
Veröffentlicht: (2013)

Anatomía y fisiología / Gary A. Thibodeau, Kevin T. Patton; traductor, Diorki Servicios Integrales de Edición
von: Thibodeau, Gary A
Veröffentlicht: (2007)

Global agricultural value chains and food prices
von: Bernhard Dalheimer, et al.
Veröffentlicht: (2025)

REINFORCE++: A Simple and Efficient Approach for Aligning Large Language Models
von: Jian, Hu
Veröffentlicht: (2025)

Complexity, Features, and Comparisons in Forensic Handwriting Examination
von: Kylie Jones, et al.
Veröffentlicht: (2024)

PROJETO DE EXTENSÃO ILUMINE: A ENTRADA DA FIGURA DO PALHAÇO NO AMBIENTE HOSPITALAR
von: Cely Carolyne Pontes MORCERF
Veröffentlicht: (2015)

REINFORCE Adversarial Attacks on Large Language Models: An Adaptive, Distributional, and Semantic Objective
von: Geisler, Simon, et al.
Veröffentlicht: (2025)

Designing Instance-Level Sampling Schedules via REINFORCE with James-Stein Shrinkage
von: Yu, Peiyu, et al.
Veröffentlicht: (2025)

Galahs near Melbourne
von: Greaves, T.
Veröffentlicht: (1928)

LLMs Can Learn to Reason Via Off-Policy RL
von: Ritter, Daniel, et al.
Veröffentlicht: (2026)

Ultra-Wideband Tapered Transducers in Thin-Film Lithium Niobate on Silicon Carbide
von: Kramer, Jack, et al.
Veröffentlicht: (2024)

Policy Optimization in a Noisy Neighborhood: On Return Landscapes in Continuous Control
von: Rahn, Nate, et al.
Veröffentlicht: (2023)

Comp-LTL: Temporal Logic Planning via Zero-Shot Policy Composition
von: Bergeron, Taylor, et al.
Veröffentlicht: (2024)

Predicting Flare in Patients With Rheumatoid Arthritis in Biologic Induced Remission, on Tapering, and on Stable Therapy
von: Hanna Gul, et al.
Veröffentlicht: (2024)

Non‐Original and Digitally Captured Handwriting: Considerations for Forensic Handwriting Examinations
von: Kylie Jones, et al.
Veröffentlicht: (2024)

Recognizing the legitimacy of a deep unease: improving the analysis of systemic discrimination by considering microaggressions experienced in a society in denial about racism and sexism
von: Karine Bellemare (Author), et al.
Veröffentlicht: (2021)

VESPO: Variational Sequence-Level Soft Policy Optimization for Stable Off-Policy LLM Training
von: Shen, Guobin, et al.
Veröffentlicht: (2026)

Geometry of efficient weight vectors
von: Ábele-Nagy, Kristóf, et al.
Veröffentlicht: (2025)

Superpositions of tree-tensor networks for single-reference ground states in the strong correlation regime
von: Bergeron, Dominic
Veröffentlicht: (2024)

El desarrollo psicológico del niño : desde la primera edad hasta la adolescencia / M. Bergeron; traductor, G. Gonzalvo Mainar
von: Bergeron, M
Veröffentlicht: (2000)

La epoca de las revoluciones europeas : 1780-1848 / Louis Bergeron, Francois Furet, Reinhart Koselleck ; traducción de Francisco Pérez Gutierrez
von: Bergeron, Louis

A Qualitative Case Study Approach To Examine Information Resources Management. (Utilisation d'une Approche Qualitative par Methode de cas pour Etudier la Gestion des Ressources D'information).
von: Bergeron, Pierrette
Veröffentlicht: (1997)