Buchumschlag

Agentic Reinforcement Learning with Implicit Step Rewards

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Xiaoqian, Wang, Ke, Wu, Yuchuan, Huang, Fei, Li, Yongbin, Zhang, Junge, Jiao, Jianbin
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

EPO: Explicit Policy Optimization for Strategic Reasoning in LLMs via Reinforcement Learning
von: Liu, Xiaoqian, et al.
Veröffentlicht: (2025)

CPO: Addressing Reward Ambiguity in Role-playing Dialogue via Comparative Policy Optimization
von: Ye, Xinge, et al.
Veröffentlicht: (2025)

MOA: Multi-Objective Alignment for Role-Playing Agents
von: Liao, Chonghua, et al.
Veröffentlicht: (2025)

SDPO: Segment-Level Direct Preference Optimization for Social Agents
von: Kong, Aobo, et al.
Veröffentlicht: (2025)

Fine-Tuning Language Models with Reward Learning on Policy
von: Lang, Hao, et al.
Veröffentlicht: (2024)

Reward Modeling from Natural Language Human Feedback
von: Wang, Zongqi, et al.
Veröffentlicht: (2026)

P-GenRM: Personalized Generative Reward Model with Test-time User-based Scaling
von: Zhang, Pinyi, et al.
Veröffentlicht: (2026)

FlowBench: Revisiting and Benchmarking Workflow-Guided Planning for LLM-based Agents
von: Xiao, Ruixuan, et al.
Veröffentlicht: (2024)

StepPO: Step-Aligned Policy Optimization for Agentic Reinforcement Learning
von: Wang, Daoyu, et al.
Veröffentlicht: (2026)

Stop Rewarding Hallucinated Steps: Faithfulness-Aware Step-Level Reinforcement Learning for Small Reasoning Models
von: Nie, Shuo, et al.
Veröffentlicht: (2026)

TimeHC-RL: Temporal-aware Hierarchical Cognitive Reinforcement Learning for Enhancing LLMs' Social Intelligence
von: Hou, Guiyang, et al.
Veröffentlicht: (2025)

Self-supervised Pretraining for Decision Foundation Model: Formulation, Pipeline and Challenges
von: Liu, Xiaoqian, et al.
Veröffentlicht: (2023)

Enhancing the General Agent Capabilities of Low-Parameter LLMs through Tuning and Multi-Branch Reasoning
von: Zhou, Qinhao, et al.
Veröffentlicht: (2024)

OpenReward: Learning to Reward Long-form Agentic Tasks via Reinforcement Learning
von: Hu, Ziyou, et al.
Veröffentlicht: (2025)

RLAR: An Agentic Reward System for Multi-task Reinforcement Learning on Large Language Models
von: Feng, Andrew Zhuoer, et al.
Veröffentlicht: (2026)

Reinforcement Learning with Verifiable Rewards Implicitly Incentivizes Correct Reasoning in Base LLMs
von: Wen, Xumeng, et al.
Veröffentlicht: (2025)

Reverse Preference Optimization for Complex Instruction Following
von: Huang, Xiang, et al.
Veröffentlicht: (2025)

Process Reinforcement through Implicit Rewards
von: Cui, Ganqu, et al.
Veröffentlicht: (2025)

CogDual: Enhancing Dual Cognition of LLMs via Reinforcement Learning with Implicit Rule-Based Rewards
von: Liu, Cheng, et al.
Veröffentlicht: (2025)

Masked Thought: Simply Masking Partial Reasoning Steps Can Improve Mathematical Reasoning Learning of Language Models
von: Chen, Changyu, et al.
Veröffentlicht: (2024)

Act-Adaptive Margin: Dynamically Calibrating Reward Models for Subjective Ambiguity
von: Fang, Feiteng, et al.
Veröffentlicht: (2025)

Socratic-PRMBench: Benchmarking Process Reward Models with Systematic Reasoning Patterns
von: Li, Xiang, et al.
Veröffentlicht: (2025)

Code Aesthetics with Agentic Reward Feedback
von: Xiao, Bang, et al.
Veröffentlicht: (2025)

Curing Miracle Steps in LLM Mathematical Reasoning with Rubric Rewards
von: Yuan, Youliang, et al.
Veröffentlicht: (2025)

Self-Guided Process Reward Optimization with Redefined Step-wise Advantage for Process Reinforcement Learning
von: Fei, Wu, et al.
Veröffentlicht: (2025)

LogicReward: Incentivizing LLM Reasoning via Step-Wise Logical Supervision
von: Xu, Jundong, et al.
Veröffentlicht: (2025)

Unleashing Implicit Rewards: Prefix-Value Learning for Distribution-Level Optimization
von: Gao, Shiping, et al.
Veröffentlicht: (2026)

Safe Reinforcement Learning with Free-form Natural Language Constraints and Pre-Trained Language Models
von: Lou, Xingzhou, et al.
Veröffentlicht: (2024)

StepTool: Enhancing Multi-Step Tool Usage in LLMs via Step-Grained Reinforcement Learning
von: Yu, Yuanqing, et al.
Veröffentlicht: (2024)

Improving Factual Consistency of News Summarization by Contrastive Preference Optimization
von: Feng, Huawen, et al.
Veröffentlicht: (2023)

Position: Foundation Agents as the Paradigm Shift for Decision Making
von: Liu, Xiaoqian, et al.
Veröffentlicht: (2024)

Full-Step-DPO: Self-Supervised Preference Optimization with Step-wise Rewards for Mathematical Reasoning
von: Xu, Huimin, et al.
Veröffentlicht: (2025)

DeltaMem: Towards Agentic Memory Management via Reinforcement Learning
von: Zhang, Qi, et al.
Veröffentlicht: (2026)

ToolRM: Towards Agentic Tool-Use Reward Modeling
von: Li, Renhao, et al.
Veröffentlicht: (2025)

Debate Helps Weak-to-Strong Generalization
von: Lang, Hao, et al.
Veröffentlicht: (2025)

Selective Weak-to-Strong Generalization
von: Lang, Hao, et al.
Veröffentlicht: (2025)

Distribution-Aware Reward Estimation for Test-Time Reinforcement Learning
von: Du, Bodong, et al.
Veröffentlicht: (2026)

Zero-Shot Detection of LLM-Generated Text via Implicit Reward Model
von: Liu, Runheng, et al.
Veröffentlicht: (2026)

Fortify the Shortest Stave in Attention: Enhancing Context Awareness of Large Language Models for Effective Tool Use
von: Chen, Yuhan, et al.
Veröffentlicht: (2023)

HISR: Hindsight Information Modulated Segmental Process Rewards For Multi-turn Agentic Reinforcement Learning
von: Lu, Zhicong, et al.
Veröffentlicht: (2026)