Buchumschlag

RESTRAIN: From Spurious Votes to Signals -- Self-Driven RL with Self-Penalization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yu, Zhaoning, Su, Will, Tao, Leitian, Wang, Haozhu, Singh, Aashu, Yu, Hanchao, Wang, Jianyu, Gao, Hongyang, Yuan, Weizhe, Weston, Jason, Yu, Ping, Xu, Jing
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

MAGE: Model-Level Graph Neural Networks Explanations via Motif-based Graph Generation
von: Yu, Zhaoning, et al.
Veröffentlicht: (2024)

Hybrid Reinforcement: When Reward Is Sparse, It's Better to Be Dense
von: Tao, Leitian, et al.
Veröffentlicht: (2025)

CoT-Self-Instruct: Building high-quality synthetic prompts for reasoning and non-reasoning tasks
von: Yu, Ping, et al.
Veröffentlicht: (2025)

Self-Taught Evaluators
von: Wang, Tianlu, et al.
Veröffentlicht: (2024)

The Era of Real-World Human Interaction: RL from User Conversations
von: Jin, Chuanyang, et al.
Veröffentlicht: (2025)

G2T-LLM: Graph-to-Tree Text Encoding for Molecule Generation with Fine-Tuned Large Language Models
von: Yu, Zhaoning, et al.
Veröffentlicht: (2024)

Self-Consistency Preference Optimization
von: Prasad, Archiki, et al.
Veröffentlicht: (2024)

Self-Rewarding Language Models
von: Yuan, Weizhe, et al.
Veröffentlicht: (2024)

HOW TO RESTRAIN SADDAM
Veröffentlicht: (1995)

Following Length Constraints in Instructions
von: Yuan, Weizhe, et al.
Veröffentlicht: (2024)

R.I.P.: Better Models by Survival of the Fittest Prompts
von: Yu, Ping, et al.
Veröffentlicht: (2025)

Distilling System 2 into System 1
von: Yu, Ping, et al.
Veröffentlicht: (2024)

System-Level Natural Language Feedback
von: Yuan, Weizhe, et al.
Veröffentlicht: (2023)

Self-Alignment with Instruction Backtranslation
von: Li, Xian, et al.
Veröffentlicht: (2023)

Your Weak LLM is Secretly a Strong Teacher for Alignment
von: Tao, Leitian, et al.
Veröffentlicht: (2024)

Meta-Rewarding Language Models: Self-Improving Alignment with LLM-as-a-Meta-Judge
von: Wu, Tianhao, et al.
Veröffentlicht: (2024)

Optimizing Recall or Relevance? A Multi-Task Multi-Head Approach for Item-to-Item Retrieval in Recommendation
von: Zhang, Jiang, et al.
Veröffentlicht: (2025)

Mitigating Spurious Correlations for Self-supervised Recommendation
von: Lin, Xinyu, et al.
Veröffentlicht: (2022)

RESTRAIN: Reinforcement Learning-Based Secure Framework for Trigger-Action IoT Environment
von: Alam, Md Morshed, et al.
Veröffentlicht: (2025)

Verifiable Reasoning for LLM-based Generative Recommendation
von: Lin, Xinyu, et al.
Veröffentlicht: (2026)

Limited Preference Data? Learning Better Reward Model with Latent Space Synthesis
von: Tao, Leitian, et al.
Veröffentlicht: (2025)

AnyTool: Self-Reflective, Hierarchical Agents for Large-Scale API Calls
von: Du, Yu, et al.
Veröffentlicht: (2024)

TOOLVERIFIER: Generalization to New Tools via Self-Verification
von: Mekala, Dheeraj, et al.
Veröffentlicht: (2024)

SPICE: Self-Play In Corpus Environments Improves Reasoning
von: Liu, Bo, et al.
Veröffentlicht: (2025)

Understanding and Mitigating Spurious Signal Amplification in Test-Time Reinforcement Learning for Math Reasoning
von: Yu, Yongcan, et al.
Veröffentlicht: (2026)

MotionHint: Self-Supervised Monocular Visual Odometry with Motion Constraints
von: Wang, Cong, et al.
Veröffentlicht: (2021)

Self-Challenging Language Model Agents
von: Zhou, Yifei, et al.
Veröffentlicht: (2025)

Self-Improving Pretraining: using post-trained models to pretrain better models
von: Tan, Ellen Xiaoqing, et al.
Veröffentlicht: (2026)

CompCap: Improving Multimodal Large Language Models with Composite Captions
von: Chen, Xiaohui, et al.
Veröffentlicht: (2024)

LLM-Based SQL Generation: Prompting, Self-Refinement, and Adaptive Weighted Majority Voting
von: Yang, Yu-Jie, et al.
Veröffentlicht: (2026)

Ranked Voting based Self-Consistency of Large Language Models
von: Wang, Weiqin, et al.
Veröffentlicht: (2025)

MAD-Spear: A Conformity-Driven Prompt Injection Attack on Multi-Agent Debate Systems
von: Cui, Yu, et al.
Veröffentlicht: (2025)

Hierarchical Prompt Decision Transformer: Improving Few-Shot Policy Generalization with Global and Adaptive Guidance
von: Wang, Zhe, et al.
Veröffentlicht: (2024)

Self-Equivalent Voting Rules
von: Hermida-Rivera, Héctor
Veröffentlicht: (2025)

Learning Critically: Selective Self Distillation in Federated Learning on Non-IID Data
von: He, Yuting, et al.
Veröffentlicht: (2025)

Save the Good Prefix: Precise Error Penalization via Process-Supervised RL to Enhance LLM Reasoning
von: Liu, Haolin, et al.
Veröffentlicht: (2026)

LoLep: Single-View View Synthesis with Locally-Learned Planes and Self-Attention Occlusion Inference
von: Wang, Cong, et al.
Veröffentlicht: (2023)

Learning to Build the Environment: Self-Evolving Reasoning RL via Verifiable Environment Synthesis
von: Shi, Yucheng, et al.
Veröffentlicht: (2026)

Bridging Offline and Online Reinforcement Learning for LLMs
von: Lanchantin, Jack, et al.
Veröffentlicht: (2025)

Comments on “On the significance of peak dose in normal tissue toxicity in spatially fractionated radiotherapy: The case of proton minibeam radiation therapy”
von: Zhaoning Wang, et al.
Veröffentlicht: (2025)