Salvato in:
| Autori principali: | Lanchantin, Jack, Chen, Angelica, Lan, Janice, Li, Xian, Saha, Swarnadeep, Wang, Tianlu, Xu, Jing, Yu, Ping, Yuan, Weizhe, Weston, Jason E, Sukhbaatar, Sainbayar, Kulikov, Ilia |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | https://arxiv.org/abs/2506.21495 |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
CoT-Self-Instruct: Building high-quality synthetic prompts for reasoning and non-reasoning tasks
di: Yu, Ping, et al.
Pubblicazione: (2025)
di: Yu, Ping, et al.
Pubblicazione: (2025)
Diverse Preference Optimization
di: Lanchantin, Jack, et al.
Pubblicazione: (2025)
di: Lanchantin, Jack, et al.
Pubblicazione: (2025)
Adaptive Decoding via Latent Preference Optimization
di: Dhuliawala, Shehzaad, et al.
Pubblicazione: (2024)
di: Dhuliawala, Shehzaad, et al.
Pubblicazione: (2024)
Following Length Constraints in Instructions
di: Yuan, Weizhe, et al.
Pubblicazione: (2024)
di: Yuan, Weizhe, et al.
Pubblicazione: (2024)
SPICE: Self-Play In Corpus Environments Improves Reasoning
di: Liu, Bo, et al.
Pubblicazione: (2025)
di: Liu, Bo, et al.
Pubblicazione: (2025)
OptimalThinkingBench: Evaluating Over and Underthinking in LLMs
di: Aggarwal, Pranjal, et al.
Pubblicazione: (2025)
di: Aggarwal, Pranjal, et al.
Pubblicazione: (2025)
J1: Incentivizing Thinking in LLM-as-a-Judge via Reinforcement Learning
di: Whitehouse, Chenxi, et al.
Pubblicazione: (2025)
di: Whitehouse, Chenxi, et al.
Pubblicazione: (2025)
Thinking LLMs: General Instruction Following with Thought Generation
di: Wu, Tianhao, et al.
Pubblicazione: (2024)
di: Wu, Tianhao, et al.
Pubblicazione: (2024)
Jointly Reinforcing Diversity and Quality in Language Model Generations
di: Li, Tianjian, et al.
Pubblicazione: (2025)
di: Li, Tianjian, et al.
Pubblicazione: (2025)
Hybrid Reinforcement: When Reward Is Sparse, It's Better to Be Dense
di: Tao, Leitian, et al.
Pubblicazione: (2025)
di: Tao, Leitian, et al.
Pubblicazione: (2025)
Multi-Token Attention
di: Golovneva, Olga, et al.
Pubblicazione: (2025)
di: Golovneva, Olga, et al.
Pubblicazione: (2025)
Contextual Position Encoding: Learning to Count What's Important
di: Golovneva, Olga, et al.
Pubblicazione: (2024)
di: Golovneva, Olga, et al.
Pubblicazione: (2024)
Self-Improving Pretraining: using post-trained models to pretrain better models
di: Tan, Ellen Xiaoqing, et al.
Pubblicazione: (2026)
di: Tan, Ellen Xiaoqing, et al.
Pubblicazione: (2026)
R.I.P.: Better Models by Survival of the Fittest Prompts
di: Yu, Ping, et al.
Pubblicazione: (2025)
di: Yu, Ping, et al.
Pubblicazione: (2025)
Self-Rewarding Language Models
di: Yuan, Weizhe, et al.
Pubblicazione: (2024)
di: Yuan, Weizhe, et al.
Pubblicazione: (2024)
Reasoning over mathematical objects: on-policy reward modeling and test time aggregation
di: Aggarwal, Pranjal, et al.
Pubblicazione: (2026)
di: Aggarwal, Pranjal, et al.
Pubblicazione: (2026)
Some things are more CRINGE than others: Iterative Preference Optimization with the Pairwise Cringe Loss
di: Xu, Jing, et al.
Pubblicazione: (2023)
di: Xu, Jing, et al.
Pubblicazione: (2023)
Learning to Plan & Reason for Evaluation with Thinking-LLM-as-a-Judge
di: Saha, Swarnadeep, et al.
Pubblicazione: (2025)
di: Saha, Swarnadeep, et al.
Pubblicazione: (2025)
LLM Pretraining with Continuous Concepts
di: Tack, Jihoon, et al.
Pubblicazione: (2025)
di: Tack, Jihoon, et al.
Pubblicazione: (2025)
The Majority is not always right: RL training for solution aggregation
di: Zhao, Wenting, et al.
Pubblicazione: (2025)
di: Zhao, Wenting, et al.
Pubblicazione: (2025)
Iterative Reasoning Preference Optimization
di: Pang, Richard Yuanzhe, et al.
Pubblicazione: (2024)
di: Pang, Richard Yuanzhe, et al.
Pubblicazione: (2024)
Self-Challenging Language Model Agents
di: Zhou, Yifei, et al.
Pubblicazione: (2025)
di: Zhou, Yifei, et al.
Pubblicazione: (2025)
Meta-Rewarding Language Models: Self-Improving Alignment with LLM-as-a-Meta-Judge
di: Wu, Tianhao, et al.
Pubblicazione: (2024)
di: Wu, Tianhao, et al.
Pubblicazione: (2024)
StepWiser: Stepwise Generative Judges for Wiser Reasoning
di: Xiong, Wei, et al.
Pubblicazione: (2025)
di: Xiong, Wei, et al.
Pubblicazione: (2025)
Distilling System 2 into System 1
di: Yu, Ping, et al.
Pubblicazione: (2024)
di: Yu, Ping, et al.
Pubblicazione: (2024)
NaturalThoughts: Selecting and Distilling Reasoning Traces for General Reasoning Tasks
di: Li, Yang, et al.
Pubblicazione: (2025)
di: Li, Yang, et al.
Pubblicazione: (2025)
Reverse Training to Nurse the Reversal Curse
di: Golovneva, Olga, et al.
Pubblicazione: (2024)
di: Golovneva, Olga, et al.
Pubblicazione: (2024)
Self-Taught Evaluators
di: Wang, Tianlu, et al.
Pubblicazione: (2024)
di: Wang, Tianlu, et al.
Pubblicazione: (2024)
Self-Consistency Preference Optimization
di: Prasad, Archiki, et al.
Pubblicazione: (2024)
di: Prasad, Archiki, et al.
Pubblicazione: (2024)
SWEET-RL: Training Multi-Turn LLM Agents on Collaborative Reasoning Tasks
di: Zhou, Yifei, et al.
Pubblicazione: (2025)
di: Zhou, Yifei, et al.
Pubblicazione: (2025)
Training Large Language Models to Reason in a Continuous Latent Space
di: Hao, Shibo, et al.
Pubblicazione: (2024)
di: Hao, Shibo, et al.
Pubblicazione: (2024)
Branch-Solve-Merge Improves Large Language Model Evaluation and Generation
di: Saha, Swarnadeep, et al.
Pubblicazione: (2023)
di: Saha, Swarnadeep, et al.
Pubblicazione: (2023)
Branch-Train-MiX: Mixing Expert LLMs into a Mixture-of-Experts LLM
di: Sukhbaatar, Sainbayar, et al.
Pubblicazione: (2024)
di: Sukhbaatar, Sainbayar, et al.
Pubblicazione: (2024)
System-Level Natural Language Feedback
di: Yuan, Weizhe, et al.
Pubblicazione: (2023)
di: Yuan, Weizhe, et al.
Pubblicazione: (2023)
NaturalReasoning: Reasoning in the Wild with 2.8M Challenging Questions
di: Yuan, Weizhe, et al.
Pubblicazione: (2025)
di: Yuan, Weizhe, et al.
Pubblicazione: (2025)
Learning to Solve and Verify: A Self-Play Framework for Code and Test Generation
di: Lin, Zi, et al.
Pubblicazione: (2025)
di: Lin, Zi, et al.
Pubblicazione: (2025)
TOOLVERIFIER: Generalization to New Tools via Self-Verification
di: Mekala, Dheeraj, et al.
Pubblicazione: (2024)
di: Mekala, Dheeraj, et al.
Pubblicazione: (2024)
Stochastic activations
di: Lomeli, Maria, et al.
Pubblicazione: (2025)
di: Lomeli, Maria, et al.
Pubblicazione: (2025)
Policy Expansion for Bridging Offline-to-Online Reinforcement Learning
di: Zhang, Haichao, et al.
Pubblicazione: (2023)
di: Zhang, Haichao, et al.
Pubblicazione: (2023)
Dualformer: Controllable Fast and Slow Thinking by Learning with Randomized Reasoning Traces
di: Su, DiJia, et al.
Pubblicazione: (2024)
di: Su, DiJia, et al.
Pubblicazione: (2024)
Documenti analoghi
-
CoT-Self-Instruct: Building high-quality synthetic prompts for reasoning and non-reasoning tasks
di: Yu, Ping, et al.
Pubblicazione: (2025) -
Diverse Preference Optimization
di: Lanchantin, Jack, et al.
Pubblicazione: (2025) -
Adaptive Decoding via Latent Preference Optimization
di: Dhuliawala, Shehzaad, et al.
Pubblicazione: (2024) -
Following Length Constraints in Instructions
di: Yuan, Weizhe, et al.
Pubblicazione: (2024) -
SPICE: Self-Play In Corpus Environments Improves Reasoning
di: Liu, Bo, et al.
Pubblicazione: (2025)