Building Coding Agents via Entropy-Enhanced Multi-Turn Preference Optimization
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Yu, Jiahao, Cheng, Zelei, Wu, Xian, Xing, Xinyu |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
GPO: Learning from Critical Steps to Improve LLM Reasoning
par: Yu, Jiahao, et autres
Publié: (2025)
par: Yu, Jiahao, et autres
Publié: (2025)
A Survey on Explainable Deep Reinforcement Learning
par: Cheng, Zelei, et autres
Publié: (2025)
par: Cheng, Zelei, et autres
Publié: (2025)
RICE: Breaking Through the Training Bottlenecks of Reinforcement Learning with Explanation
par: Cheng, Zelei, et autres
Publié: (2024)
par: Cheng, Zelei, et autres
Publié: (2024)
Soft-Label Integration for Robust Toxicity Classification
par: Cheng, Zelei, et autres
Publié: (2024)
par: Cheng, Zelei, et autres
Publié: (2024)
UC-MOA: Utility-Conditioned Multi-Objective Alignment for Distributional Pareto-Optimality
par: Cheng, Zelei, et autres
Publié: (2025)
par: Cheng, Zelei, et autres
Publié: (2025)
BlockScan: Detecting Anomalies in Blockchain Transactions
par: Yu, Jiahao, et autres
Publié: (2024)
par: Yu, Jiahao, et autres
Publié: (2024)
POLO: Preference-Guided Multi-Turn Reinforcement Learning for Lead Optimization
par: Wang, Ziqing, et autres
Publié: (2025)
par: Wang, Ziqing, et autres
Publié: (2025)
TABQAWORLD: Optimizing Multimodal Reasoning for Multi-Turn Table Question Answering
par: Kwok, Tung Sum Thomas, et autres
Publié: (2026)
par: Kwok, Tung Sum Thomas, et autres
Publié: (2026)
Recognize Your Orchestrator: An Entropy Dynamics Perspective for LLM Multi-Agent Systems
par: Zhu, Junze, et autres
Publié: (2026)
par: Zhu, Junze, et autres
Publié: (2026)
MEMO: Memory-Augmented Model Context Optimization for Robust Multi-Turn Multi-Agent LLM Games
par: Xie, Yunfei, et autres
Publié: (2026)
par: Xie, Yunfei, et autres
Publié: (2026)
On the Role of Preference Variance in Preference Optimization
par: Guo, Jiacheng, et autres
Publié: (2025)
par: Guo, Jiacheng, et autres
Publié: (2025)
GPTFUZZER: Red Teaming Large Language Models with Auto-Generated Jailbreak Prompts
par: Yu, Jiahao, et autres
Publié: (2023)
par: Yu, Jiahao, et autres
Publié: (2023)
Evaluating Memory in LLM Agents via Incremental Multi-Turn Interactions
par: Hu, Yuanzhe, et autres
Publié: (2025)
par: Hu, Yuanzhe, et autres
Publié: (2025)
PAIR: Prefix-Aware Internal Reward Model for Multi-Turn Agent Optimization
par: Kim, Wonjoong, et autres
Publié: (2026)
par: Kim, Wonjoong, et autres
Publié: (2026)
TO-Agents: A Multi-Agent AI Pipeline for Preference-Guided Topology Optimization
par: Stewart, Isabella A., et autres
Publié: (2026)
par: Stewart, Isabella A., et autres
Publié: (2026)
Mars-PO: Multi-Agent Reasoning System Preference Optimization
par: Lou, Xiaoxuan, et autres
Publié: (2024)
par: Lou, Xiaoxuan, et autres
Publié: (2024)
Towards Trustworthy Multi-Turn LLM Agents via Behavioral Guidance
par: Gürsun, Gonca
Publié: (2025)
par: Gürsun, Gonca
Publié: (2025)
ICON: Intent-Context Coupling for Efficient Multi-Turn Jailbreak Attack
par: Lin, Xingwei, et autres
Publié: (2026)
par: Lin, Xingwei, et autres
Publié: (2026)
InterMT: Multi-Turn Interleaved Preference Alignment with Human Feedback
par: Chen, Boyuan, et autres
Publié: (2025)
par: Chen, Boyuan, et autres
Publié: (2025)
DEEPMED: Building a Medical DeepResearch Agent via Multi-hop Med-Search Data and Turn-Controlled Agentic Training & Inference
par: Wang, Zihan, et autres
Publié: (2026)
par: Wang, Zihan, et autres
Publié: (2026)
Improving Code Translation with Syntax-Guided and Semantic-aware Preference Optimization
par: Wu, Yuhan, et autres
Publié: (2026)
par: Wu, Yuhan, et autres
Publié: (2026)
STEMS: Spatial-Temporal Enhanced Safe Multi-Agent Coordination for Building Energy Management
par: Zhang, Huiliang, et autres
Publié: (2025)
par: Zhang, Huiliang, et autres
Publié: (2025)
MACPO: Weak-to-Strong Alignment via Multi-Agent Contrastive Preference Optimization
par: Lyu, Yougang, et autres
Publié: (2024)
par: Lyu, Yougang, et autres
Publié: (2024)
Proximity-Based Multi-Turn Optimization: Practical Credit Assignment for LLM Agent Training
par: Fang, Yangyi, et autres
Publié: (2026)
par: Fang, Yangyi, et autres
Publié: (2026)
MOTIF: Multi-strategy Optimization via Turn-based Interactive Framework
par: Kiet, Nguyen Viet Tuan, et autres
Publié: (2025)
par: Kiet, Nguyen Viet Tuan, et autres
Publié: (2025)
General Modular Harness for LLM Agents in Multi-Turn Gaming Environments
par: Zhang, Yuxuan, et autres
Publié: (2025)
par: Zhang, Yuxuan, et autres
Publié: (2025)
PGPO: Enhancing Agent Reasoning via Pseudocode-style Planning Guided Preference Optimization
par: Cao, Zouying, et autres
Publié: (2025)
par: Cao, Zouying, et autres
Publié: (2025)
ICPO: Illocution-Calibrated Policy Optimization for Multi-Turn Conversation
par: Wang, Zhebo, et autres
Publié: (2026)
par: Wang, Zhebo, et autres
Publié: (2026)
CodePMP: Scalable Preference Model Pretraining for Large Language Model Reasoning
par: Yu, Huimu, et autres
Publié: (2024)
par: Yu, Huimu, et autres
Publié: (2024)
RAGEN: Understanding Self-Evolution in LLM Agents via Multi-Turn Reinforcement Learning
par: Wang, Zihan, et autres
Publié: (2025)
par: Wang, Zihan, et autres
Publié: (2025)
Improving Safety Alignment via Balanced Direct Preference Optimization
par: Zhao, Shiji, et autres
Publié: (2026)
par: Zhao, Shiji, et autres
Publié: (2026)
Learning Game-Playing Agents with Generative Code Optimization
par: Kuang, Zhiyi, et autres
Publié: (2025)
par: Kuang, Zhiyi, et autres
Publié: (2025)
WebGraphEval: Multi-Turn Trajectory Evaluation for Web Agents using Graph Representation
par: Qian, Yaoyao, et autres
Publié: (2025)
par: Qian, Yaoyao, et autres
Publié: (2025)
Entropy Controllable Direct Preference Optimization
par: Omura, Motoki, et autres
Publié: (2024)
par: Omura, Motoki, et autres
Publié: (2024)
ContextEvolve: Multi-Agent Context Compression for Systems Code Optimization
par: Su, Hongyuan, et autres
Publié: (2026)
par: Su, Hongyuan, et autres
Publié: (2026)
Enhancing Personalized Multi-Turn Dialogue with Curiosity Reward
par: Wan, Yanming, et autres
Publié: (2025)
par: Wan, Yanming, et autres
Publié: (2025)
TCPO: Thought-Centric Preference Optimization for Effective Embodied Decision-making
par: Jiao, Kechen, et autres
Publié: (2025)
par: Jiao, Kechen, et autres
Publié: (2025)
Decomposing the Delta: What Do Models Actually Learn from Preference Pairs?
par: Lee, Chia-Hsuan, et autres
Publié: (2026)
par: Lee, Chia-Hsuan, et autres
Publié: (2026)
Preference as Reward, Maximum Preference Optimization with Importance Sampling
par: Jiang, Zaifan, et autres
Publié: (2023)
par: Jiang, Zaifan, et autres
Publié: (2023)
ProRL Agent: Rollout-as-a-Service for RL Training of Multi-Turn LLM Agents
par: Zhang, Hao, et autres
Publié: (2026)
par: Zhang, Hao, et autres
Publié: (2026)
Documents similaires
-
GPO: Learning from Critical Steps to Improve LLM Reasoning
par: Yu, Jiahao, et autres
Publié: (2025) -
A Survey on Explainable Deep Reinforcement Learning
par: Cheng, Zelei, et autres
Publié: (2025) -
RICE: Breaking Through the Training Bottlenecks of Reinforcement Learning with Explanation
par: Cheng, Zelei, et autres
Publié: (2024) -
Soft-Label Integration for Robust Toxicity Classification
par: Cheng, Zelei, et autres
Publié: (2024) -
UC-MOA: Utility-Conditioned Multi-Objective Alignment for Distributional Pareto-Optimality
par: Cheng, Zelei, et autres
Publié: (2025)