Enregistré dans:
| Auteurs principaux: | Dam, Harvey, Knochelmann, Jonas, Joseph, Vinu, Gopalakrishnan, Ganesh |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2505.23848 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
OrthAlign: Orthogonal Subspace Decomposition for Non-Interfering Multi-Objective Alignment
par: Lin, Liang, et autres
Publié: (2025)
par: Lin, Liang, et autres
Publié: (2025)
Knowledge-Aware Conversation Derailment Forecasting Using Graph Convolutional Networks
par: Altarawneh, Enas, et autres
Publié: (2024)
par: Altarawneh, Enas, et autres
Publié: (2024)
Answer Matching Outperforms Multiple Choice for Language Model Evaluation
par: Chandak, Nikhil, et autres
Publié: (2025)
par: Chandak, Nikhil, et autres
Publié: (2025)
Promote, Suppress, Iterate: How Language Models Answer One-to-Many Factual Queries
par: Yan, Tianyi Lorena, et autres
Publié: (2025)
par: Yan, Tianyi Lorena, et autres
Publié: (2025)
RLHF Workflow: From Reward Modeling to Online RLHF
par: Dong, Hanze, et autres
Publié: (2024)
par: Dong, Hanze, et autres
Publié: (2024)
Multi-Stream LLMs: Unblocking Language Models with Parallel Streams of Thoughts, Inputs and Outputs
par: Su, Guinan, et autres
Publié: (2026)
par: Su, Guinan, et autres
Publié: (2026)
How to Evaluate Reward Models for RLHF
par: Frick, Evan, et autres
Publié: (2024)
par: Frick, Evan, et autres
Publié: (2024)
Resolving Conflicts in Lifelong Learning via Aligning Updates in Subspaces
par: Zhou, Yueer, et autres
Publié: (2025)
par: Zhou, Yueer, et autres
Publié: (2025)
Local-Order Auxiliary Losses Can Improve Autoencoder Reconstruction
par: Dam, Harvey, et autres
Publié: (2025)
par: Dam, Harvey, et autres
Publié: (2025)
Logit-KL Flow Matching: Non-Autoregressive Text Generation via Sampling-Hybrid Inference
par: Sevriugov, Egor, et autres
Publié: (2024)
par: Sevriugov, Egor, et autres
Publié: (2024)
Stabilizing Policy Optimization via Logits Convexity
par: Chen, Hongzhan, et autres
Publié: (2026)
par: Chen, Hongzhan, et autres
Publié: (2026)
Aligning Language Models from User Interactions
par: Buening, Thomas Kleine, et autres
Publié: (2026)
par: Buening, Thomas Kleine, et autres
Publié: (2026)
Optimizing RLHF Training for Large Language Models with Stage Fusion
par: Zhong, Yinmin, et autres
Publié: (2024)
par: Zhong, Yinmin, et autres
Publié: (2024)
Sequences of Logits Reveal the Low Rank Structure of Language Models
par: Golowich, Noah, et autres
Publié: (2025)
par: Golowich, Noah, et autres
Publié: (2025)
Language Models are Bounded Pragmatic Speakers: Understanding RLHF from a Bayesian Cognitive Modeling Perspective
par: Nguyen, Khanh
Publié: (2023)
par: Nguyen, Khanh
Publié: (2023)
What Operations can be Performed Directly on Compressed Arrays, and with What Error?
par: Agarwal, Tripti, et autres
Publié: (2024)
par: Agarwal, Tripti, et autres
Publié: (2024)
Proxy-RLHF: Decoupling Generation and Alignment in Large Language Model with Proxy
par: Zhu, Yu, et autres
Publié: (2024)
par: Zhu, Yu, et autres
Publié: (2024)
DALD: Improving Logits-based Detector without Logits from Black-box LLMs
par: Zeng, Cong, et autres
Publié: (2024)
par: Zeng, Cong, et autres
Publié: (2024)
Reward Model Overoptimisation in Iterated RLHF
par: Wolf, Lorenz, et autres
Publié: (2025)
par: Wolf, Lorenz, et autres
Publié: (2025)
Beyond Language: Format-Agnostic Reasoning Subspaces in Large Language Models
par: Yuan, Aojie, et autres
Publié: (2026)
par: Yuan, Aojie, et autres
Publié: (2026)
Real-Time Trustworthiness Scoring for LLM Structured Outputs and Data Extraction
par: Goh, Hui Wen, et autres
Publié: (2026)
par: Goh, Hui Wen, et autres
Publié: (2026)
Failure Modes of Maximum Entropy RLHF
par: Çağatan, Ömer Veysel, et autres
Publié: (2025)
par: Çağatan, Ömer Veysel, et autres
Publié: (2025)
OpenRLHF: An Easy-to-use, Scalable and High-performance RLHF Framework
par: Hu, Jian, et autres
Publié: (2024)
par: Hu, Jian, et autres
Publié: (2024)
Asynchronous RLHF: Faster and More Efficient Off-Policy RL for Language Models
par: Noukhovitch, Michael, et autres
Publié: (2024)
par: Noukhovitch, Michael, et autres
Publié: (2024)
OmniOPD: Logit-Free On-Policy Distillation via Speculative Verification
par: Zhou, Yuhang, et autres
Publié: (2026)
par: Zhou, Yuhang, et autres
Publié: (2026)
Quantile Regression for Distributional Reward Models in RLHF
par: Dorka, Nicolai
Publié: (2024)
par: Dorka, Nicolai
Publié: (2024)
Does RLHF Scale? Exploring the Impacts From Data, Model, and Method
par: Hou, Zhenyu, et autres
Publié: (2024)
par: Hou, Zhenyu, et autres
Publié: (2024)
Student Answer Forecasting: Transformer-Driven Answer Choice Prediction for Language Learning
par: Gado, Elena Grazia, et autres
Publié: (2024)
par: Gado, Elena Grazia, et autres
Publié: (2024)
Adaptive Margin RLHF via Preference over Preferences
par: Chittepu, Yaswanth, et autres
Publié: (2025)
par: Chittepu, Yaswanth, et autres
Publié: (2025)
SOMP: Scalable Gradient Inversion for Large Language Models via Subspace-Guided Orthogonal Matching Pursuit
par: Li, Yibo, et autres
Publié: (2026)
par: Li, Yibo, et autres
Publié: (2026)
Small Language Models Improve Giants by Rewriting Their Outputs
par: Vernikos, Giorgos, et autres
Publié: (2023)
par: Vernikos, Giorgos, et autres
Publié: (2023)
Logit Reweighting for Topic-Focused Summarization
par: Braun, Joschka, et autres
Publié: (2025)
par: Braun, Joschka, et autres
Publié: (2025)
Model Unlearning via Sparse Autoencoder Subspace Guided Projections
par: Wang, Xu, et autres
Publié: (2025)
par: Wang, Xu, et autres
Publié: (2025)
API Is Enough: Conformal Prediction for Large Language Models Without Logit-Access
par: Su, Jiayuan, et autres
Publié: (2024)
par: Su, Jiayuan, et autres
Publié: (2024)
SLED: Self Logits Evolution Decoding for Improving Factuality in Large Language Models
par: Zhang, Jianyi, et autres
Publié: (2024)
par: Zhang, Jianyi, et autres
Publié: (2024)
Evaluating Defences against Unsafe Feedback in RLHF
par: Rosati, Domenic, et autres
Publié: (2024)
par: Rosati, Domenic, et autres
Publié: (2024)
Solving the Inverse Alignment Problem for Efficient RLHF
par: Krishna, Shambhavi, et autres
Publié: (2024)
par: Krishna, Shambhavi, et autres
Publié: (2024)
Hansel: Output Length Controlling Framework for Large Language Models
par: Song, Seoha, et autres
Publié: (2024)
par: Song, Seoha, et autres
Publié: (2024)
Mitigating Reward Hacking in RLHF via Advantage Sign Robustness
par: Ono, Shinnosuke, et autres
Publié: (2026)
par: Ono, Shinnosuke, et autres
Publié: (2026)
RLHF and IIA: Perverse Incentives
par: Xu, Wanqiao, et autres
Publié: (2023)
par: Xu, Wanqiao, et autres
Publié: (2023)
Documents similaires
-
OrthAlign: Orthogonal Subspace Decomposition for Non-Interfering Multi-Objective Alignment
par: Lin, Liang, et autres
Publié: (2025) -
Knowledge-Aware Conversation Derailment Forecasting Using Graph Convolutional Networks
par: Altarawneh, Enas, et autres
Publié: (2024) -
Answer Matching Outperforms Multiple Choice for Language Model Evaluation
par: Chandak, Nikhil, et autres
Publié: (2025) -
Promote, Suppress, Iterate: How Language Models Answer One-to-Many Factual Queries
par: Yan, Tianyi Lorena, et autres
Publié: (2025) -
RLHF Workflow: From Reward Modeling to Online RLHF
par: Dong, Hanze, et autres
Publié: (2024)