Enregistré dans:
| Auteurs principaux: | Liu, Bo, Jin, Chuanyang, Kim, Seungone, Yuan, Weizhe, Zhao, Wenting, Kulikov, Ilia, Li, Xian, Sukhbaatar, Sainbayar, Lanchantin, Jack, Weston, Jason |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2510.24684 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
CoT-Self-Instruct: Building high-quality synthetic prompts for reasoning and non-reasoning tasks
par: Yu, Ping, et autres
Publié: (2025)
par: Yu, Ping, et autres
Publié: (2025)
Adaptive Decoding via Latent Preference Optimization
par: Dhuliawala, Shehzaad, et autres
Publié: (2024)
par: Dhuliawala, Shehzaad, et autres
Publié: (2024)
Diverse Preference Optimization
par: Lanchantin, Jack, et autres
Publié: (2025)
par: Lanchantin, Jack, et autres
Publié: (2025)
Following Length Constraints in Instructions
par: Yuan, Weizhe, et autres
Publié: (2024)
par: Yuan, Weizhe, et autres
Publié: (2024)
StepWiser: Stepwise Generative Judges for Wiser Reasoning
par: Xiong, Wei, et autres
Publié: (2025)
par: Xiong, Wei, et autres
Publié: (2025)
Self-Improving Pretraining: using post-trained models to pretrain better models
par: Tan, Ellen Xiaoqing, et autres
Publié: (2026)
par: Tan, Ellen Xiaoqing, et autres
Publié: (2026)
OptimalThinkingBench: Evaluating Over and Underthinking in LLMs
par: Aggarwal, Pranjal, et autres
Publié: (2025)
par: Aggarwal, Pranjal, et autres
Publié: (2025)
Bridging Offline and Online Reinforcement Learning for LLMs
par: Lanchantin, Jack, et autres
Publié: (2025)
par: Lanchantin, Jack, et autres
Publié: (2025)
Reasoning over mathematical objects: on-policy reward modeling and test time aggregation
par: Aggarwal, Pranjal, et autres
Publié: (2026)
par: Aggarwal, Pranjal, et autres
Publié: (2026)
Self-Rewarding Language Models
par: Yuan, Weizhe, et autres
Publié: (2024)
par: Yuan, Weizhe, et autres
Publié: (2024)
Iterative Reasoning Preference Optimization
par: Pang, Richard Yuanzhe, et autres
Publié: (2024)
par: Pang, Richard Yuanzhe, et autres
Publié: (2024)
Self-Challenging Language Model Agents
par: Zhou, Yifei, et autres
Publié: (2025)
par: Zhou, Yifei, et autres
Publié: (2025)
NaturalThoughts: Selecting and Distilling Reasoning Traces for General Reasoning Tasks
par: Li, Yang, et autres
Publié: (2025)
par: Li, Yang, et autres
Publié: (2025)
Meta-Rewarding Language Models: Self-Improving Alignment with LLM-as-a-Meta-Judge
par: Wu, Tianhao, et autres
Publié: (2024)
par: Wu, Tianhao, et autres
Publié: (2024)
Thinking LLMs: General Instruction Following with Thought Generation
par: Wu, Tianhao, et autres
Publié: (2024)
par: Wu, Tianhao, et autres
Publié: (2024)
R.I.P.: Better Models by Survival of the Fittest Prompts
par: Yu, Ping, et autres
Publié: (2025)
par: Yu, Ping, et autres
Publié: (2025)
Multi-Token Attention
par: Golovneva, Olga, et autres
Publié: (2025)
par: Golovneva, Olga, et autres
Publié: (2025)
Contextual Position Encoding: Learning to Count What's Important
par: Golovneva, Olga, et autres
Publié: (2024)
par: Golovneva, Olga, et autres
Publié: (2024)
Some things are more CRINGE than others: Iterative Preference Optimization with the Pairwise Cringe Loss
par: Xu, Jing, et autres
Publié: (2023)
par: Xu, Jing, et autres
Publié: (2023)
SWEET-RL: Training Multi-Turn LLM Agents on Collaborative Reasoning Tasks
par: Zhou, Yifei, et autres
Publié: (2025)
par: Zhou, Yifei, et autres
Publié: (2025)
Reverse Training to Nurse the Reversal Curse
par: Golovneva, Olga, et autres
Publié: (2024)
par: Golovneva, Olga, et autres
Publié: (2024)
Training Large Language Models to Reason in a Continuous Latent Space
par: Hao, Shibo, et autres
Publié: (2024)
par: Hao, Shibo, et autres
Publié: (2024)
Self-Consistency Preference Optimization
par: Prasad, Archiki, et autres
Publié: (2024)
par: Prasad, Archiki, et autres
Publié: (2024)
Learning to Solve and Verify: A Self-Play Framework for Code and Test Generation
par: Lin, Zi, et autres
Publié: (2025)
par: Lin, Zi, et autres
Publié: (2025)
LLM Pretraining with Continuous Concepts
par: Tack, Jihoon, et autres
Publié: (2025)
par: Tack, Jihoon, et autres
Publié: (2025)
The Majority is not always right: RL training for solution aggregation
par: Zhao, Wenting, et autres
Publié: (2025)
par: Zhao, Wenting, et autres
Publié: (2025)
NaturalReasoning: Reasoning in the Wild with 2.8M Challenging Questions
par: Yuan, Weizhe, et autres
Publié: (2025)
par: Yuan, Weizhe, et autres
Publié: (2025)
Self-Taught Evaluators
par: Wang, Tianlu, et autres
Publié: (2024)
par: Wang, Tianlu, et autres
Publié: (2024)
FREESON: Retriever-Free Retrieval-Augmented Reasoning via Corpus-Traversing MCTS
par: Kim, Chaeeun, et autres
Publié: (2025)
par: Kim, Chaeeun, et autres
Publié: (2025)
Distilling System 2 into System 1
par: Yu, Ping, et autres
Publié: (2024)
par: Yu, Ping, et autres
Publié: (2024)
The Era of Real-World Human Interaction: RL from User Conversations
par: Jin, Chuanyang, et autres
Publié: (2025)
par: Jin, Chuanyang, et autres
Publié: (2025)
TOOLVERIFIER: Generalization to New Tools via Self-Verification
par: Mekala, Dheeraj, et autres
Publié: (2024)
par: Mekala, Dheeraj, et autres
Publié: (2024)
System-Level Natural Language Feedback
par: Yuan, Weizhe, et autres
Publié: (2023)
par: Yuan, Weizhe, et autres
Publié: (2023)
J1: Incentivizing Thinking in LLM-as-a-Judge via Reinforcement Learning
par: Whitehouse, Chenxi, et autres
Publié: (2025)
par: Whitehouse, Chenxi, et autres
Publié: (2025)
Dualformer: Controllable Fast and Slow Thinking by Learning with Randomized Reasoning Traces
par: Su, DiJia, et autres
Publié: (2024)
par: Su, DiJia, et autres
Publié: (2024)
Learning to Reason for Factuality
par: Chen, Xilun, et autres
Publié: (2025)
par: Chen, Xilun, et autres
Publié: (2025)
Branch-Train-MiX: Mixing Expert LLMs into a Mixture-of-Experts LLM
par: Sukhbaatar, Sainbayar, et autres
Publié: (2024)
par: Sukhbaatar, Sainbayar, et autres
Publié: (2024)
Stochastic activations
par: Lomeli, Maria, et autres
Publié: (2025)
par: Lomeli, Maria, et autres
Publié: (2025)
Step-KTO: Optimizing Mathematical Reasoning through Stepwise Binary Feedback
par: Lin, Yen-Ting, et autres
Publié: (2025)
par: Lin, Yen-Ting, et autres
Publié: (2025)
Jointly Reinforcing Diversity and Quality in Language Model Generations
par: Li, Tianjian, et autres
Publié: (2025)
par: Li, Tianjian, et autres
Publié: (2025)
Documents similaires
-
CoT-Self-Instruct: Building high-quality synthetic prompts for reasoning and non-reasoning tasks
par: Yu, Ping, et autres
Publié: (2025) -
Adaptive Decoding via Latent Preference Optimization
par: Dhuliawala, Shehzaad, et autres
Publié: (2024) -
Diverse Preference Optimization
par: Lanchantin, Jack, et autres
Publié: (2025) -
Following Length Constraints in Instructions
par: Yuan, Weizhe, et autres
Publié: (2024) -
StepWiser: Stepwise Generative Judges for Wiser Reasoning
par: Xiong, Wei, et autres
Publié: (2025)