Limits of Generalization in RLVR: Two Case Studies in Mathematical Reasoning
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Alam, Md Tanvirul, Rastogi, Nidhi |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Towards Understanding Self-play for LLM Reasoning
par: Chae, Justin Yang, et autres
Publié: (2025)
par: Chae, Justin Yang, et autres
Publié: (2025)
ADAPT: A Pseudo-labeling Approach to Combat Concept Drift in Malware Detection
par: Alam, Md Tanvirul, et autres
Publié: (2025)
par: Alam, Md Tanvirul, et autres
Publié: (2025)
R+R: Revisiting Static Feature-Based Android Malware Detection using Machine Learning
par: Alam, Md Tanvirul, et autres
Publié: (2024)
par: Alam, Md Tanvirul, et autres
Publié: (2024)
MORPH: Towards Automated Concept Drift Adaptation for Malware Detection
par: Alam, Md Tanvirul, et autres
Publié: (2024)
par: Alam, Md Tanvirul, et autres
Publié: (2024)
SPHINX: A Synthetic Environment for Visual Perception and Reasoning
par: Alam, Md Tanvirul, et autres
Publié: (2025)
par: Alam, Md Tanvirul, et autres
Publié: (2025)
Minerva: Reinforcement Learning with Verifiable Rewards for Cyber Threat Intelligence LLMs
par: Alam, Md Tanvirul, et autres
Publié: (2026)
par: Alam, Md Tanvirul, et autres
Publié: (2026)
Beyond Perception Errors: Semantic Fixation in Large Vision-Language Models
par: Alam, Md Tanvirul
Publié: (2026)
par: Alam, Md Tanvirul
Publié: (2026)
Adapting Large Language Models to Emerging Cybersecurity using Retrieval Augmented Generation
par: Borah, Arnabh, et autres
Publié: (2025)
par: Borah, Arnabh, et autres
Publié: (2025)
PASA: Attack Agnostic Unsupervised Adversarial Detection using Prediction & Attribution Sensitivity Analysis
par: Bhusal, Dipkamal, et autres
Publié: (2024)
par: Bhusal, Dipkamal, et autres
Publié: (2024)
Actionable Cyber Threat Intelligence using Knowledge Graphs and Large Language Models
par: Fieblinger, Romy, et autres
Publié: (2024)
par: Fieblinger, Romy, et autres
Publié: (2024)
Training for Trustworthy Saliency Maps: Adversarial Training Meets Feature-Map Smoothing
par: Bhusal, Dipkamal, et autres
Publié: (2026)
par: Bhusal, Dipkamal, et autres
Publié: (2026)
CTIBench: A Benchmark for Evaluating LLMs in Cyber Threat Intelligence
par: Alam, Md Tanvirul, et autres
Publié: (2024)
par: Alam, Md Tanvirul, et autres
Publié: (2024)
Adversarial Patterns: Building Robust Android Malware Classifiers
par: Bhusal, Dipkamal, et autres
Publié: (2022)
par: Bhusal, Dipkamal, et autres
Publié: (2022)
AthenaBench: A Dynamic Benchmark for Evaluating LLMs in Cyber Threat Intelligence
par: Alam, Md Tanvirul, et autres
Publié: (2025)
par: Alam, Md Tanvirul, et autres
Publié: (2025)
Generalization of RLVR Using Causal Reasoning as a Testbed
par: Lu, Brian, et autres
Publié: (2025)
par: Lu, Brian, et autres
Publié: (2025)
JudgeRLVR: Judge First, Generate Second for Efficient Reasoning
par: Duo, Jiangshan, et autres
Publié: (2026)
par: Duo, Jiangshan, et autres
Publié: (2026)
Semantic-Space Exploration and Exploitation in RLVR for LLM Reasoning
par: Huang, Fanding, et autres
Publié: (2025)
par: Huang, Fanding, et autres
Publié: (2025)
Quantile Advantage Estimation: Stabilizing RLVR for LLM Reasoning
par: Wu, Junkang, et autres
Publié: (2025)
par: Wu, Junkang, et autres
Publié: (2025)
On the Direction of RLVR Updates for LLM Reasoning: Identification and Exploitation
par: Huang, Kexin, et autres
Publié: (2026)
par: Huang, Kexin, et autres
Publié: (2026)
The Debate on RLVR Reasoning Capability Boundary: Shrinkage, Expansion, or Both? A Two-Stage Dynamic View
par: Yao, Xinhao, et autres
Publié: (2025)
par: Yao, Xinhao, et autres
Publié: (2025)
Controllable Exploration in Hybrid-Policy RLVR for Multi-Modal Reasoning
par: Huang, Zhuoxu, et autres
Publié: (2026)
par: Huang, Zhuoxu, et autres
Publié: (2026)
Exploring the Limit of Outcome Reward for Learning Mathematical Reasoning
par: Lyu, Chengqi, et autres
Publié: (2025)
par: Lyu, Chengqi, et autres
Publié: (2025)
Monitorability as a Free Gift: How RLVR Spontaneously Aligns Reasoning
par: Xiong, Zidi, et autres
Publié: (2026)
par: Xiong, Zidi, et autres
Publié: (2026)
Do Sparse Subnetworks Exhibit Cognitively Aligned Attention? Effects of Pruning on Saliency Map Fidelity, Sparsity, and Concept Coherence
par: Suwal, Sanish, et autres
Publié: (2025)
par: Suwal, Sanish, et autres
Publié: (2025)
Self-Distilled RLVR
par: Yang, Chenxu, et autres
Publié: (2026)
par: Yang, Chenxu, et autres
Publié: (2026)
Reasoning Portability: Guiding Continual Learning for MLLMs in the RLVR Era
par: Hong, Qiuhe, et autres
Publié: (2026)
par: Hong, Qiuhe, et autres
Publié: (2026)
Improve Mathematical Reasoning in Language Models by Automated Process Supervision
par: Luo, Liangchen, et autres
Publié: (2024)
par: Luo, Liangchen, et autres
Publié: (2024)
Limits of PRM-Guided Tree Search for Mathematical Reasoning with LLMs
par: Cinquin, Tristan, et autres
Publié: (2025)
par: Cinquin, Tristan, et autres
Publié: (2025)
Depth-Breadth Synergy in RLVR: Unlocking LLM Reasoning Gains with Adaptive Exploration
par: Yang, Zhicheng, et autres
Publié: (2025)
par: Yang, Zhicheng, et autres
Publié: (2025)
Rebellious Student: Reversing Teacher Signals for Reasoning Exploration with Self-Distilled RLVR
par: Kim, Jeonghye, et autres
Publié: (2026)
par: Kim, Jeonghye, et autres
Publié: (2026)
Adaptive Negative Reinforcement for LLM Reasoning:Dynamically Balancing Correction and Diversity in RLVR
par: Ingle, Yash, et autres
Publié: (2026)
par: Ingle, Yash, et autres
Publié: (2026)
Evaluating Parameter Efficient Methods for RLVR
par: Yin, Qingyu, et autres
Publié: (2025)
par: Yin, Qingyu, et autres
Publié: (2025)
RKUM: An R Package for Robust Kernel Unsupervised Methods
par: Alam, Md Ashad
Publié: (2025)
par: Alam, Md Ashad
Publié: (2025)
Countdown-Code: A Testbed for Studying The Emergence and Generalization of Reward Hacking in RLVR
par: Khalifa, Muhammad, et autres
Publié: (2026)
par: Khalifa, Muhammad, et autres
Publié: (2026)
A State-of-the-Art SQL Reasoning Model using RLVR
par: Ali, Alnur, et autres
Publié: (2025)
par: Ali, Alnur, et autres
Publié: (2025)
Dual Consensus: Escaping from Spurious Majority in Unsupervised RLVR via Two-Stage Vote Mechanism
par: Du, Kaixuan, et autres
Publié: (2026)
par: Du, Kaixuan, et autres
Publié: (2026)
GSM-Symbolic: Understanding the Limitations of Mathematical Reasoning in Large Language Models
par: Mirzadeh, Iman, et autres
Publié: (2024)
par: Mirzadeh, Iman, et autres
Publié: (2024)
Shorter but not Worse: Frugal Reasoning via Easy Samples as Length Regularizers in Math RLVR
par: Bounhar, Abdelaziz, et autres
Publié: (2025)
par: Bounhar, Abdelaziz, et autres
Publié: (2025)
RLVR without Ineffective Samples: Group Prioritized Off-Policy Optimization for LLM Reasoning
par: Mao, Yixiu, et autres
Publié: (2026)
par: Mao, Yixiu, et autres
Publié: (2026)
Not only where, But when: Temporal Scheduling for RLVR
par: Zhang, Jinghao, et autres
Publié: (2026)
par: Zhang, Jinghao, et autres
Publié: (2026)
Documents similaires
-
Towards Understanding Self-play for LLM Reasoning
par: Chae, Justin Yang, et autres
Publié: (2025) -
ADAPT: A Pseudo-labeling Approach to Combat Concept Drift in Malware Detection
par: Alam, Md Tanvirul, et autres
Publié: (2025) -
R+R: Revisiting Static Feature-Based Android Malware Detection using Machine Learning
par: Alam, Md Tanvirul, et autres
Publié: (2024) -
MORPH: Towards Automated Concept Drift Adaptation for Malware Detection
par: Alam, Md Tanvirul, et autres
Publié: (2024) -
SPHINX: A Synthetic Environment for Visual Perception and Reasoning
par: Alam, Md Tanvirul, et autres
Publié: (2025)