Buchumschlag

Noise-corrected GRPO: From Noisy Rewards to Unbiased Gradients

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mansouri, Omar El, Izzati, Fathinah Asma, Seddik, Mohamed El Amine, Lahlou, Salem
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

High-dimensional Learning with Noisy Labels
von: Firdoussi, Aymane El, et al.
Veröffentlicht: (2024)

$α$-LoRA: Effective Fine-Tuning via Base Model Rescaling
von: Firdoussi, Aymane El, et al.
Veröffentlicht: (2025)

Investigating Regularization of Self-Play Language Models
von: Alami, Reda, et al.
Veröffentlicht: (2024)

Maximizing the Potential of Synthetic Data: Insights from Random Matrix Theory
von: Firdoussi, Aymane El, et al.
Veröffentlicht: (2024)

How Bad is Training on Synthetic Data? A Statistical Analysis of Language Model Collapse
von: Seddik, Mohamed El Amine, et al.
Veröffentlicht: (2024)

How Does Attention Help? Insights from Random Matrices on Signal Recovery from Sequence Models
von: Seddik, Mohamed El Amine
Veröffentlicht: (2026)

Accurate and Diverse LLM Mathematical Reasoning via Automated PRM-Guided GFlowNets
von: Younsi, Adam, et al.
Veröffentlicht: (2025)

On the Privacy Risks of Spiking Neural Networks: A Membership Inference Analysis
von: Guan, Junyi, et al.
Veröffentlicht: (2025)

GRPO is Secretly a Process Reward Model
von: Sullivan, Michael, et al.
Veröffentlicht: (2025)

Improved Exploration in GFlownets via Enhanced Epistemic Neural Networks
von: Muhammad, Sajan, et al.
Veröffentlicht: (2025)

Stabilizing Policy Gradient Methods via Reward Profiling
von: Ahmed, Shihab, et al.
Veröffentlicht: (2025)

From Reward Shaping to Q-Shaping: Achieving Unbiased Learning with LLM-Guided Knowledge
von: Wu, Xiefeng
Veröffentlicht: (2024)

GFT: From Imitation to Reward Fine-Tuning with Unbiased Group Advantages and Dynamic Coefficient Rectification
von: Gan, Wangjie, et al.
Veröffentlicht: (2026)

EXPOTION: Facial Expression and Motion Control for Multimodal Music Generation
von: Izzati, Fathinah, et al.
Veröffentlicht: (2025)

Fréchet regression with implicit denoising and multicollinearity reduction
von: Mansouri, Dou El Kefel, et al.
Veröffentlicht: (2024)

Quantum Agents for Algorithmic Discovery
von: Kerenidis, Iordanis, et al.
Veröffentlicht: (2025)

Zero-Shot Off-Policy Learning
von: Asadulaev, Arip, et al.
Veröffentlicht: (2026)

MusiScene: Leveraging MU-LLaMA for Scene Imagination and Enhanced Video Background Music Generation
von: Izzati, Fathinah, et al.
Veröffentlicht: (2025)

Unbiased Gradient Low-Rank Projection
von: Pan, Rui, et al.
Veröffentlicht: (2025)

Minimum Variance Unbiased N:M Sparsity for the Neural Gradients
von: Chmiel, Brian, et al.
Veröffentlicht: (2022)

GFlowNet Foundations
von: Bengio, Yoshua, et al.
Veröffentlicht: (2021)

MMR-GRPO: Accelerating GRPO-Style Training through Diversity-Aware Reward Reweighting
von: Wei, Kangda, et al.
Veröffentlicht: (2026)

From LLM Reasoning to Autonomous AI Agents: A Comprehensive Review
von: Ferrag, Mohamed Amine, et al.
Veröffentlicht: (2025)

AMIR-GRPO: Inducing Implicit Preference Signals into GRPO
von: Yari, Amir Hossein, et al.
Veröffentlicht: (2026)

VARS-FL: Validation-Aligned Client Selection for Non-IID Federated Learning in IoT Systems
von: Lakas, Mohamed, et al.
Veröffentlicht: (2026)

An Imperfect Verifier is Good Enough: Learning with Noisy Rewards
von: Plesner, Andreas, et al.
Veröffentlicht: (2026)

Learning Robust Reward Machines from Noisy Labels
von: Parac, Roko, et al.
Veröffentlicht: (2024)

Epileptic Seizure Prediction Using Patient-Adaptive Transformer Networks
von: Mahdi, Mohamed, et al.
Veröffentlicht: (2026)

Reward Learning from Multiple Feedback Types
von: Metz, Yannick, et al.
Veröffentlicht: (2025)

Beyond GRPO and On-Policy Distillation: An Empirical Sparse-to-Dense Reward Principle for Language-Model Post-Training
von: Xu, Yuanda, et al.
Veröffentlicht: (2026)

Panther: Faster and Cheaper Computations with Randomized Numerical Linear Algebra
von: Seddik, Fahd, et al.
Veröffentlicht: (2026)

Optimal Transport for LLM Reward Modeling from Noisy Preference
von: Pan, Licheng, et al.
Veröffentlicht: (2026)

Mitigating Societal Cognitive Overload in the Age of AI: Challenges and Directions
von: Lahlou, Salem
Veröffentlicht: (2025)

Reinforcement Learning with Verifiable yet Noisy Rewards under Imperfect Verifiers
von: Cai, Xin-Qiang, et al.
Veröffentlicht: (2025)

Gradient-Free Noise Optimization for Reward Alignment in Generative Models
von: Kim, Jeongsol, et al.
Veröffentlicht: (2026)

On the Optimal Construction of Unbiased Gradient Estimators for Zeroth-Order Optimization
von: Ma, Shaocong, et al.
Veröffentlicht: (2025)

Do Vision and Language Encoders Represent the World Similarly?
von: Maniparambil, Mayug, et al.
Veröffentlicht: (2024)

What is the Alignment Objective of GRPO?
von: Vojnovic, Milan, et al.
Veröffentlicht: (2025)

Learning with Noisy Labels by Adaptive Gradient-Based Outlier Removal
von: Sedova, Anastasiia, et al.
Veröffentlicht: (2023)

MixtureKit: A General Framework for Composing, Training, and Visualizing Mixture-of-Experts Models
von: Chamma, Ahmad, et al.
Veröffentlicht: (2025)