Buchumschlag

Self-Aligned Reward: Towards Effective and Efficient Reasoners

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Han, Peixuan, Krishnan, Adit, Friedland, Gerald, You, Jiaxuan, Kong, Chris
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

Classifier Language Models: Unifying Sparse Finetuning and Adaptive Tokenization for Specialized Classification Tasks
von: Krishnan, Adit, et al.
Veröffentlicht: (2025)

Time-R1: Towards Comprehensive Temporal Reasoning in LLMs
von: Liu, Zijia, et al.
Veröffentlicht: (2025)

DRPG (Decompose, Retrieve, Plan, Generate): An Agentic Framework for Academic Rebuttal
von: Han, Peixuan, et al.
Veröffentlicht: (2026)

Effects of Feature Correlations on Associative Memory Capacity
von: Bielmeier, Stefan, et al.
Veröffentlicht: (2025)

CEV-LM: Controlled Edit Vector Language Model for Shaping Natural Language Generations
von: Moorjani, Samraj, et al.
Veröffentlicht: (2024)

On Designing Effective RL Reward at Training Time for LLM Reasoning
von: Gao, Jiaxuan, et al.
Veröffentlicht: (2024)

Learning to Reason with Mixture of Tokens
von: Jain, Adit, et al.
Veröffentlicht: (2025)

Bag of Tricks for Multimodal AutoML with Image, Text, and Tabular Data
von: Tang, Zhiqiang, et al.
Veröffentlicht: (2024)

MemReward: Graph-Based Experience Memory for LLM Reward Prediction with Limited Labels
von: Luo, Tianyang, et al.
Veröffentlicht: (2026)

Real-World Benchmarks Make Membership Inference Attacks Fail on Diffusion Models
von: Liang, Chumeng, et al.
Veröffentlicht: (2024)

R2IF: Aligning Reasoning with Decisions via Composite Rewards for Interpretable LLM Function Calling
von: Cheng, Aijia, et al.
Veröffentlicht: (2026)

Towards Cost-Effective Reward Guided Text Generation
von: Rashid, Ahmad, et al.
Veröffentlicht: (2025)

Aligning LLMs with Domain Invariant Reward Models
von: Wu, David, et al.
Veröffentlicht: (2025)

Structured Reinforcement Learning for Incentivized Stochastic Covert Optimization
von: Jain, Adit, et al.
Veröffentlicht: (2024)

Self-Rewarding PPO: Aligning Large Language Models with Demonstrations Only
von: Zhang, Qingru, et al.
Veröffentlicht: (2025)

GRAM-R$^2$: Self-Training Generative Foundation Reward Models for Reward Reasoning
von: Wang, Chenglong, et al.
Veröffentlicht: (2025)

GraphEval: A Lightweight Graph-Based LLM Framework for Idea Evaluation
von: Feng, Tao, et al.
Veröffentlicht: (2025)

PersonalizedRouter: Personalized LLM Routing via Graph-based User Preference Modeling
von: Dai, Zhongjie, et al.
Veröffentlicht: (2025)

Incentivizing Consistent, Effective and Scalable Reasoning Capability in Audio LLMs via Reasoning Process Rewards
von: Fan, Jiajun, et al.
Veröffentlicht: (2025)

Personalized RewardBench: Evaluating Reward Models with Human Aligned Personalization
von: Ma, Qiyao, et al.
Veröffentlicht: (2026)

Bridging Internal Probability and Self-Consistency for Effective and Efficient LLM Reasoning
von: Zhou, Zhi, et al.
Veröffentlicht: (2025)

Self-Rewarding Rubric-Based Reinforcement Learning for Open-Ended Reasoning
von: Ye, Zhiling, et al.
Veröffentlicht: (2025)

DRPO: Efficient Reasoning via Decoupled Reward Policy Optimization
von: Li, Gang, et al.
Veröffentlicht: (2025)

Towards Understanding Self-play for LLM Reasoning
von: Chae, Justin Yang, et al.
Veröffentlicht: (2025)

Semi-Supervised Reward Modeling via Iterative Self-Training
von: He, Yifei, et al.
Veröffentlicht: (2024)

Towards Time Series Reasoning with LLMs
von: Chow, Winnie, et al.
Veröffentlicht: (2024)

AcademicEval: Live Long-Context LLM Benchmark
von: Zhang, Haozhen, et al.
Veröffentlicht: (2025)

Highly Efficient Self-Adaptive Reward Shaping for Reinforcement Learning
von: Ma, Haozhe, et al.
Veröffentlicht: (2024)

Re-FORC: Adaptive Reward Prediction for Efficient Chain-of-Thought Reasoning
von: Zabounidis, Renos, et al.
Veröffentlicht: (2025)

Entropy-Guided Data-Efficient Training for Multimodal Reasoning Reward Models
von: Yang, Shidong, et al.
Veröffentlicht: (2026)

Spectral Evolution Search: Efficient Inference-Time Scaling for Reward-Aligned Image Generation
von: Ye, Jinyan, et al.
Veröffentlicht: (2026)

Effective Reward Specification in Deep Reinforcement Learning
von: Roy, Julien
Veröffentlicht: (2024)

MYCROFT: Towards Effective and Efficient External Data Augmentation
von: Sarwar, Zain, et al.
Veröffentlicht: (2024)

Towards Effective Code-Integrated Reasoning
von: Bai, Fei, et al.
Veröffentlicht: (2025)

Towards Trustworthy Multimodal Moderation via Policy-Aligned Reasoning and Hierarchical Labeling
von: Li, Anqi, et al.
Veröffentlicht: (2025)

ReMax: A Simple, Effective, and Efficient Reinforcement Learning Method for Aligning Large Language Models
von: Li, Ziniu, et al.
Veröffentlicht: (2023)

Graph World Model
von: Feng, Tao, et al.
Veröffentlicht: (2025)

Rank and Align: Towards Effective Source-free Graph Domain Adaptation
von: Luo, Junyu, et al.
Veröffentlicht: (2024)

Bridged Clustering: Semi-Supervised Sparse Bridging
von: Ye, Patrick Peixuan, et al.
Veröffentlicht: (2025)

GUIDE: Towards Scalable Advising for Research Ideas
von: Liu, Yaowenqi, et al.
Veröffentlicht: (2025)