Beyond Two-Stage Training: Cooperative SFT and RL for LLM Reasoning

Ähnliche Einträge

• EEPO: Exploration-Enhanced Policy Optimization via Sample-Then-Forget
  von: Chen, Liang, et al.
  Veröffentlicht: (2025)
• The Synergy Dilemma of Long-CoT SFT and RL: Investigating Post-Training Techniques for Reasoning VLMs
  von: Chen, Jierun, et al.
  Veröffentlicht: (2025)
• SFT-then-RL Outperforms Mixed-Policy Methods for LLM Reasoning
  von: Limozin, Alexis, et al.
  Veröffentlicht: (2026)
• DeReason: A Difficulty-Aware Curriculum Improves Decoupled SFT-then-RL Training for General Reasoning
  von: Hu, Hanxu, et al.
  Veröffentlicht: (2026)
• SFT or RL? An Early Investigation into Training R1-Like Reasoning Large Vision-Language Models
  von: Chen, Hardy, et al.
  Veröffentlicht: (2025)