MoL-RL: Distilling Multi-Step Environmental Feedback into LLMs for Feedback-Independent Reasoning
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Yang, Kang, Chen, Jingxue, Tang, Qingkun, Zhang, Tianxiang, Lu, Qianchun |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
MoL for LLMs: Dual-Loss Optimization to Enhance Domain Expertise While Preserving General Capabilities
par: Chen, Jingxue, et autres
Publié: (2025)
par: Chen, Jingxue, et autres
Publié: (2025)
Domain-Aware RAG: MoL-Enhanced RL for Efficient Training and Scalable Retrieval
par: Lin, Hao, et autres
Publié: (2025)
par: Lin, Hao, et autres
Publié: (2025)
Rejection Improves Reliability: Training LLMs to Refuse Unknown Questions Using RL from Knowledge Feedback
par: Xu, Hongshen, et autres
Publié: (2024)
par: Xu, Hongshen, et autres
Publié: (2024)
LLMs are Superior Feedback Providers: Bootstrapping Reasoning for Lie Detection with Self-Generated Feedback
par: Banerjee, Tanushree, et autres
Publié: (2024)
par: Banerjee, Tanushree, et autres
Publié: (2024)
WildFeedback: Aligning LLMs With In-situ User Interactions And Feedback
par: Shi, Taiwei, et autres
Publié: (2024)
par: Shi, Taiwei, et autres
Publié: (2024)
Feedback Friction: LLMs Struggle to Fully Incorporate External Feedback
par: Jiang, Dongwei, et autres
Publié: (2025)
par: Jiang, Dongwei, et autres
Publié: (2025)
Preference Optimization for Reasoning with Pseudo Feedback
par: Jiao, Fangkai, et autres
Publié: (2024)
par: Jiao, Fangkai, et autres
Publié: (2024)
Distilling Feedback into Memory-as-a-Tool
par: Gallego, Víctor
Publié: (2026)
par: Gallego, Víctor
Publié: (2026)
Effective Distillation of Table-based Reasoning Ability from LLMs
par: Yang, Bohao, et autres
Publié: (2023)
par: Yang, Bohao, et autres
Publié: (2023)
PRompt Optimization in Multi-Step Tasks (PROMST): Integrating Human Feedback and Heuristic-based Sampling
par: Chen, Yongchao, et autres
Publié: (2024)
par: Chen, Yongchao, et autres
Publié: (2024)
Two Failures of Self-Consistency in the Multi-Step Reasoning of LLMs
par: Chen, Angelica, et autres
Publié: (2023)
par: Chen, Angelica, et autres
Publié: (2023)
Multi-dimensional Assessment and Explainable Feedback for Counselor Responses to Client Resistance in Text-based Counseling with LLMs
par: Li, Anqi, et autres
Publié: (2026)
par: Li, Anqi, et autres
Publié: (2026)
Critique-GRPO: Advancing LLM Reasoning with Natural Language and Numerical Feedback
par: Zhang, Xiaoying, et autres
Publié: (2025)
par: Zhang, Xiaoying, et autres
Publié: (2025)
Learning GUI Grounding with Spatial Reasoning from Visual Feedback
par: Zhao, Yu, et autres
Publié: (2025)
par: Zhao, Yu, et autres
Publié: (2025)
WebGen-Agent: Enhancing Interactive Website Generation with Multi-Level Feedback and Step-Level Reinforcement Learning
par: Lu, Zimu, et autres
Publié: (2025)
par: Lu, Zimu, et autres
Publié: (2025)
REFINER: Reasoning Feedback on Intermediate Representations
par: Paul, Debjit, et autres
Publié: (2023)
par: Paul, Debjit, et autres
Publié: (2023)
Improving Mathematical Reasoning Capabilities of Small Language Models via Feedback-Driven Distillation
par: Zhu, Xunyu, et autres
Publié: (2024)
par: Zhu, Xunyu, et autres
Publié: (2024)
QueryAgent: A Reliable and Efficient Reasoning Framework with Environmental Feedback-based Self-Correction
par: Huang, Xiang, et autres
Publié: (2024)
par: Huang, Xiang, et autres
Publié: (2024)
Learning to Reason via Self-Iterative Process Feedback for Small Language Models
par: Chen, Kaiyuan, et autres
Publié: (2024)
par: Chen, Kaiyuan, et autres
Publié: (2024)
FB-Bench: A Fine-Grained Multi-Task Benchmark for Evaluating LLMs' Responsiveness to Human Feedback
par: Li, Youquan, et autres
Publié: (2024)
par: Li, Youquan, et autres
Publié: (2024)
Mission Impossible: Feedback-Guided Dynamic Interactive Planning for Improving Reasoning on LLMs
par: Yan, Dong, et autres
Publié: (2025)
par: Yan, Dong, et autres
Publié: (2025)
Training Language Models to Critique With Multi-agent Feedback
par: Lan, Tian, et autres
Publié: (2024)
par: Lan, Tian, et autres
Publié: (2024)
KARPA: A Training-free Method of Adapting Knowledge Graph as References for Large Language Model's Reasoning Path Aggregation
par: Fang, Siyuan, et autres
Publié: (2024)
par: Fang, Siyuan, et autres
Publié: (2024)
Investigating the Shortcomings of LLMs in Step-by-Step Legal Reasoning
par: Mishra, Venkatesh, et autres
Publié: (2025)
par: Mishra, Venkatesh, et autres
Publié: (2025)
Nemotron-Cascade 2: Post-Training LLMs with Cascade RL and Multi-Domain On-Policy Distillation
par: Yang, Zhuolin, et autres
Publié: (2026)
par: Yang, Zhuolin, et autres
Publié: (2026)
Synthetic Data Generation & Multi-Step RL for Reasoning & Tool Use
par: Goldie, Anna, et autres
Publié: (2025)
par: Goldie, Anna, et autres
Publié: (2025)
Coffee: Boost Your Code LLMs by Fixing Bugs with Feedback
par: Moon, Seungjun, et autres
Publié: (2023)
par: Moon, Seungjun, et autres
Publié: (2023)
MINT: Evaluating LLMs in Multi-turn Interaction with Tools and Language Feedback
par: Wang, Xingyao, et autres
Publié: (2023)
par: Wang, Xingyao, et autres
Publié: (2023)
Matrix as Plan: Structured Logical Reasoning with Feedback-Driven Replanning
par: Chen, Ke, et autres
Publié: (2026)
par: Chen, Ke, et autres
Publié: (2026)
ReFeed: Multi-dimensional Summarization Refinement with Reflective Reasoning on Feedback
par: Yun, Taewon, et autres
Publié: (2025)
par: Yun, Taewon, et autres
Publié: (2025)
SAFE: Stepwise Atomic Feedback for Error correction in Multi-hop Reasoning
par: Kwon, Daeyong, et autres
Publié: (2026)
par: Kwon, Daeyong, et autres
Publié: (2026)
Multi-turn Training with Basic Human Feedback Helps Little on LLM Reasoning
par: Liu, Qiang, et autres
Publié: (2025)
par: Liu, Qiang, et autres
Publié: (2025)
CLEAR: Contrasting Textual Feedback with Experts and Amateurs for Reasoning
par: Rufail, Andrew, et autres
Publié: (2025)
par: Rufail, Andrew, et autres
Publié: (2025)
Automated Visualization Code Synthesis via Multi-Path Reasoning and Feedback-Driven Optimization
par: Seo, Wonduk, et autres
Publié: (2025)
par: Seo, Wonduk, et autres
Publié: (2025)
Synthesize Step-by-Step: Tools, Templates and LLMs as Data Generators for Reasoning-Based Chart VQA
par: Li, Zhuowan, et autres
Publié: (2024)
par: Li, Zhuowan, et autres
Publié: (2024)
LLMs Beyond English: Scaling the Multilingual Capability of LLMs with Cross-Lingual Feedback
par: Lai, Wen, et autres
Publié: (2024)
par: Lai, Wen, et autres
Publié: (2024)
FairMT-Bench: Benchmarking Fairness for Multi-turn Dialogue in Conversational LLMs
par: Fan, Zhiting, et autres
Publié: (2024)
par: Fan, Zhiting, et autres
Publié: (2024)
LingBench++: A Linguistically-Informed Benchmark and Reasoning Framework for Multi-Step and Cross-Cultural Inference with LLMs
par: Lian, Da-Chen, et autres
Publié: (2025)
par: Lian, Da-Chen, et autres
Publié: (2025)
Time-Reversal Provides Unsupervised Feedback to LLMs
par: Varun, Yerram, et autres
Publié: (2024)
par: Varun, Yerram, et autres
Publié: (2024)
Small But Funny: A Feedback-Driven Approach to Humor Distillation
par: Ravi, Sahithya, et autres
Publié: (2024)
par: Ravi, Sahithya, et autres
Publié: (2024)
Documents similaires
-
MoL for LLMs: Dual-Loss Optimization to Enhance Domain Expertise While Preserving General Capabilities
par: Chen, Jingxue, et autres
Publié: (2025) -
Domain-Aware RAG: MoL-Enhanced RL for Efficient Training and Scalable Retrieval
par: Lin, Hao, et autres
Publié: (2025) -
Rejection Improves Reliability: Training LLMs to Refuse Unknown Questions Using RL from Knowledge Feedback
par: Xu, Hongshen, et autres
Publié: (2024) -
LLMs are Superior Feedback Providers: Bootstrapping Reasoning for Lie Detection with Self-Generated Feedback
par: Banerjee, Tanushree, et autres
Publié: (2024) -
WildFeedback: Aligning LLMs With In-situ User Interactions And Feedback
par: Shi, Taiwei, et autres
Publié: (2024)