Buchumschlag

SEED-GRPO: Semantic Entropy Enhanced GRPO for Uncertainty-Aware Policy Optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Minghan, Chen, Guikun, Wang, Wenguan, Yang, Yi
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Survey on 3D Gaussian Splatting
von: Chen, Guikun, et al.
Veröffentlicht: (2024)

GTPO and GRPO-S: Token and Sequence-Level Reward Shaping with Policy Entropy
von: Tan, Hongze, et al.
Veröffentlicht: (2025)

EDGE-GRPO: Entropy-Driven GRPO with Guided Error Correction for Advantage Diversity
von: Zhang, Xingjian, et al.
Veröffentlicht: (2025)

DaGRPO: Rectifying Gradient Conflict in Reasoning via Distinctiveness-Aware Group Relative Policy Optimization
von: Xie, Xuan, et al.
Veröffentlicht: (2025)

EP-GRPO: Entropy-Progress Aligned Group Relative Policy Optimization with Implicit Process Guidance
von: Yu, Song, et al.
Veröffentlicht: (2026)

Stepwise Guided Policy Optimization: Coloring your Incorrect Reasoning in GRPO
von: Chen, Peter, et al.
Veröffentlicht: (2025)

AceGRPO: Adaptive Curriculum Enhanced Group Relative Policy Optimization for Autonomous Machine Learning Engineering
von: Cai, Yuzhu, et al.
Veröffentlicht: (2026)

GRPO-VPS: Enhancing Group Relative Policy Optimization with Verifiable Process Supervision for Effective Reasoning
von: Wang, Jingyi, et al.
Veröffentlicht: (2026)

DiverseGRPO: Mitigating Mode Collapse in Image Generation via Diversity-Aware GRPO
von: Liu, Henglin, et al.
Veröffentlicht: (2025)

Smaller Models are Natural Explorers for Policy-Level Diversity in GRPO
von: Ren, Yiming, et al.
Veröffentlicht: (2026)

AMIR-GRPO: Inducing Implicit Preference Signals into GRPO
von: Yari, Amir Hossein, et al.
Veröffentlicht: (2026)

Co-GRPO: Co-Optimized Group Relative Policy Optimization for Masked Diffusion Model
von: Zhou, Renping, et al.
Veröffentlicht: (2025)

Scaf-GRPO: Scaffolded Group Relative Policy Optimization for Enhancing LLM Reasoning
von: Zhang, Xichen, et al.
Veröffentlicht: (2025)

Hydra-SGG: Hybrid Relation Assignment for One-stage Scene Graph Generation
von: Chen, Minghan, et al.
Veröffentlicht: (2024)

Chemical knowledge-informed framework for privacy-aware retrosynthesis learning
von: Chen, Guikun, et al.
Veröffentlicht: (2025)

MMR-GRPO: Accelerating GRPO-Style Training through Diversity-Aware Reward Reweighting
von: Wei, Kangda, et al.
Veröffentlicht: (2026)

GRPO-CARE: Consistency-Aware Reinforcement Learning for Multimodal Reasoning
von: Chen, Yi, et al.
Veröffentlicht: (2025)

MixGRPO: Unlocking Flow-based GRPO Efficiency with Mixed ODE-SDE
von: Li, Junzhe, et al.
Veröffentlicht: (2025)

A Unified Framework for Rethinking Policy Divergence Measures in GRPO
von: Wu, Qingyuan, et al.
Veröffentlicht: (2026)

Taming Extreme Tokens: Covariance-Aware GRPO with Gaussian-Kernel Advantage Reweighting
von: Wang, Cheng, et al.
Veröffentlicht: (2026)

BranchGRPO: Stable and Efficient GRPO with Structured Branching in Diffusion Models
von: Li, Yuming, et al.
Veröffentlicht: (2025)

Step-GRPO: Internalizing Dynamic Early Exit for Efficient Reasoning
von: Chen, Benteng, et al.
Veröffentlicht: (2026)

M-GRPO: Stabilizing Self-Supervised Reinforcement Learning for Large Language Models with Momentum-Anchored Policy Optimization
von: Bai, Bizhe, et al.
Veröffentlicht: (2025)

VoiceGRPO: Modern MoE Transformers with Group Relative Policy Optimization GRPO for AI Voice Health Care Applications on Voice Pathology Detection
von: Togootogtokh, Enkhtogtokh, et al.
Veröffentlicht: (2025)

What is the Alignment Objective of GRPO?
von: Vojnovic, Milan, et al.
Veröffentlicht: (2025)

Curriculum Learning for Efficient Chain-of-Thought Distillation via Structure-Aware Masking and GRPO
von: Yu, Bowen, et al.
Veröffentlicht: (2026)

Dialogue Model Optimization via Agent Game and Adaptive Tree-based GRPO
von: Peng, Kun, et al.
Veröffentlicht: (2026)

Shaping Explanations: Semantic Reward Modeling with Encoder-Only Transformers for GRPO
von: Pappone, Francesco, et al.
Veröffentlicht: (2025)

Bridging the Semantic Gap: Contrastive Rewards for Multilingual Text-to-SQL with GRPO
von: Kattamuri, Ashish, et al.
Veröffentlicht: (2025)

MC-GRPO: Median-Centered Group Relative Policy Optimization for Small-Rollout Reinforcement Learning
von: Kim, Youngeun
Veröffentlicht: (2026)

GRPO-$λ$: Credit Assignment improves LLM Reasoning
von: Parthasarathi, Prasanna, et al.
Veröffentlicht: (2025)

Improving LLM-Generated Code Quality with GRPO
von: Robeyns, Maxime, et al.
Veröffentlicht: (2025)

From Reasoning to Code: GRPO Optimization for Underrepresented Languages
von: Pennino, Federico, et al.
Veröffentlicht: (2025)

GRPO and Reflection Reward for Mathematical Reasoning in Large Language Models
von: Wang, Zhijie
Veröffentlicht: (2026)

bi-GRPO: Bidirectional Optimization for Jailbreak Backdoor Injection on LLMs
von: Ji, Wence, et al.
Veröffentlicht: (2025)

Multi-Agent Deep Research: Training Multi-Agent Systems with M-GRPO
von: Hong, Haoyang, et al.
Veröffentlicht: (2025)

ShapE-GRPO: Shapley-Enhanced Reward Allocation for Multi-Candidate LLM Training
von: Ai, Rui, et al.
Veröffentlicht: (2026)

TreeGRPO: Tree-Advantage GRPO for Online RL Post-Training of Diffusion Models
von: Ding, Zheng, et al.
Veröffentlicht: (2025)

RC-GRPO: Reward-Conditioned Group Relative Policy Optimization for Multi-Turn Tool Calling Agents
von: Zhong, Haitian, et al.
Veröffentlicht: (2026)

DIVA-GRPO: Enhancing Multimodal Reasoning through Difficulty-Adaptive Variant Advantage
von: Gao, Haowen, et al.
Veröffentlicht: (2026)