From Solving to Verifying: A Unified Objective for Robust Reasoning in LLMs
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Wang, Xiaoxuan, Liu, Bo, Jiang, Song, Liu, Jingzhou, Qi, Jingyuan, Chen, Xia, He, Baosheng |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Examining Reasoning LLMs-as-Judges in Non-Verifiable LLM Post-Training
par: Liu, Yixin, et autres
Publié: (2026)
par: Liu, Yixin, et autres
Publié: (2026)
Incentivizing LLMs to Self-Verify Their Answers
par: Zhang, Fuxiang, et autres
Publié: (2025)
par: Zhang, Fuxiang, et autres
Publié: (2025)
From Accuracy to Robustness: A Study of Rule- and Model-based Verifiers in Mathematical Reasoning
par: Huang, Yuzhen, et autres
Publié: (2025)
par: Huang, Yuzhen, et autres
Publié: (2025)
Divide-Verify-Refine: Can LLMs Self-Align with Complex Instructions?
par: Zhang, Xianren, et autres
Publié: (2024)
par: Zhang, Xianren, et autres
Publié: (2024)
Deconfounded Causality-aware Parameter-Efficient Fine-Tuning for Problem-Solving Improvement of LLMs
par: Wang, Ruoyu, et autres
Publié: (2024)
par: Wang, Ruoyu, et autres
Publié: (2024)
Can LLMs Learn to Reason Robustly under Noisy Supervision?
par: Yang, Shenzhi, et autres
Publié: (2026)
par: Yang, Shenzhi, et autres
Publié: (2026)
Instruction Learning Paradigms: A Dual Perspective on White-box and Black-box LLMs
par: Ren, Yanwei, et autres
Publié: (2025)
par: Ren, Yanwei, et autres
Publié: (2025)
Random Policy Valuation is Enough for LLM Reasoning with Verifiable Rewards
par: He, Haoran, et autres
Publié: (2025)
par: He, Haoran, et autres
Publié: (2025)
From Implicit Exploration to Structured Reasoning: Leveraging Guideline and Refinement for LLMs
par: Chen, Jiaxiang, et autres
Publié: (2025)
par: Chen, Jiaxiang, et autres
Publié: (2025)
Position: Rethinking Post-Hoc Search-Based Neural Approaches for Solving Large-Scale Traveling Salesman Problems
par: Xia, Yifan, et autres
Publié: (2024)
par: Xia, Yifan, et autres
Publié: (2024)
Regularized Multi-LLMs Collaboration for Enhanced Score-based Causal Discovery
par: Li, Xiaoxuan, et autres
Publié: (2024)
par: Li, Xiaoxuan, et autres
Publié: (2024)
Incentivizing Consistent, Effective and Scalable Reasoning Capability in Audio LLMs via Reasoning Process Rewards
par: Fan, Jiajun, et autres
Publié: (2025)
par: Fan, Jiajun, et autres
Publié: (2025)
When To Solve, When To Verify: Compute-Optimal Problem Solving and Generative Verification for LLM Reasoning
par: Singhi, Nishad, et autres
Publié: (2025)
par: Singhi, Nishad, et autres
Publié: (2025)
RLVMR: Reinforcement Learning with Verifiable Meta-Reasoning Rewards for Robust Long-Horizon Agents
par: Zhang, Zijing, et autres
Publié: (2025)
par: Zhang, Zijing, et autres
Publié: (2025)
SIGMA: Refining Large Language Model Reasoning via Sibling-Guided Monte Carlo Augmentation
par: Ren, Yanwei, et autres
Publié: (2025)
par: Ren, Yanwei, et autres
Publié: (2025)
Can Slow-thinking LLMs Reason Over Time? Empirical Studies in Time Series Forecasting
par: Cheng, Mingyue, et autres
Publié: (2025)
par: Cheng, Mingyue, et autres
Publié: (2025)
Time Series Forecasting as Reasoning: A Slow-Thinking Approach with Reinforced LLMs
par: Zhou, Yitong, et autres
Publié: (2025)
par: Zhou, Yitong, et autres
Publié: (2025)
EVGeoQA: Benchmarking LLMs on Dynamic, Multi-Objective Geo-Spatial Exploration
par: Wu, Jianfei, et autres
Publié: (2026)
par: Wu, Jianfei, et autres
Publié: (2026)
From Reasoning Chains to Verifiable Subproblems: Curriculum Reinforcement Learning Enables Credit Assignment for LLM Reasoning
par: Jiang, Xitai, et autres
Publié: (2026)
par: Jiang, Xitai, et autres
Publié: (2026)
Putting the Value Back in RL: Better Test-Time Scaling by Unifying LLM Reasoners With Verifiers
par: Sareen, Kusha, et autres
Publié: (2025)
par: Sareen, Kusha, et autres
Publié: (2025)
Full Bayesian Significance Testing for Neural Networks
par: Liu, Zehua, et autres
Publié: (2024)
par: Liu, Zehua, et autres
Publié: (2024)
Climbing the Ladder of Reasoning: What LLMs Can-and Still Can't-Solve after SFT?
par: Sun, Yiyou, et autres
Publié: (2025)
par: Sun, Yiyou, et autres
Publié: (2025)
Reinforcement Learning with Verifiable yet Noisy Rewards under Imperfect Verifiers
par: Cai, Xin-Qiang, et autres
Publié: (2025)
par: Cai, Xin-Qiang, et autres
Publié: (2025)
NOVER: Incentive Training for Language Models via Verifier-Free Reinforcement Learning
par: Liu, Wei, et autres
Publié: (2025)
par: Liu, Wei, et autres
Publié: (2025)
SATQuest: A Verifier for Logical Reasoning Evaluation and Reinforcement Fine-Tuning of LLMs
par: Zhao, Yanxiao, et autres
Publié: (2025)
par: Zhao, Yanxiao, et autres
Publié: (2025)
REMA: A Unified Reasoning Manifold Framework for Interpreting Large Language Model
par: Li, Bo, et autres
Publié: (2025)
par: Li, Bo, et autres
Publié: (2025)
Harmonizing Multi-Objective LLM Unlearning via Unified Domain Representation and Bidirectional Logit Distillation
par: Zhong, Yisheng, et autres
Publié: (2026)
par: Zhong, Yisheng, et autres
Publié: (2026)
Unified Parameter-Efficient Unlearning for LLMs
par: Ding, Chenlu, et autres
Publié: (2024)
par: Ding, Chenlu, et autres
Publié: (2024)
On the Equivalence of Graph Convolution and Mixup
par: Han, Xiaotian, et autres
Publié: (2023)
par: Han, Xiaotian, et autres
Publié: (2023)
From Stochastic Answers to Verifiable Reasoning: Interpretable Decision-Making with LLM-Generated Code
par: Mahesh, Anirudh Jaidev, et autres
Publié: (2026)
par: Mahesh, Anirudh Jaidev, et autres
Publié: (2026)
GAPO: Robust Advantage Estimation for Real-World Code LLMs
par: Zhang, Jianqing, et autres
Publié: (2025)
par: Zhang, Jianqing, et autres
Publié: (2025)
Wiring the 'Why': A Unified Taxonomy and Survey of Abductive Reasoning in LLMs
par: Salimi, Moein, et autres
Publié: (2026)
par: Salimi, Moein, et autres
Publié: (2026)
Meta-Aligner: Bidirectional Preference-Policy Optimization for Multi-Objective LLMs Alignment
par: Xu, Wenzhe, et autres
Publié: (2026)
par: Xu, Wenzhe, et autres
Publié: (2026)
CurES: From Gradient Analysis to Efficient Curriculum Learning for Reasoning LLMs
par: Zeng, Yongcheng, et autres
Publié: (2025)
par: Zeng, Yongcheng, et autres
Publié: (2025)
GRPO-VPS: Enhancing Group Relative Policy Optimization with Verifiable Process Supervision for Effective Reasoning
par: Wang, Jingyi, et autres
Publié: (2026)
par: Wang, Jingyi, et autres
Publié: (2026)
Train at Moving Edge: Online-Verified Prompt Selection for Efficient RL Training of Large Reasoning Model
par: Wu, Jiahao, et autres
Publié: (2026)
par: Wu, Jiahao, et autres
Publié: (2026)
KDRL: Post-Training Reasoning LLMs via Unified Knowledge Distillation and Reinforcement Learning
par: Xu, Hongling, et autres
Publié: (2025)
par: Xu, Hongling, et autres
Publié: (2025)
Breaking the Safety-Capability Tradeoff: Reinforcement Learning with Verifiable Rewards Maintains Safety Guardrails in LLMs
par: Cho, Dongkyu Derek, et autres
Publié: (2025)
par: Cho, Dongkyu Derek, et autres
Publié: (2025)
Is PRM Necessary? Problem-Solving RL Implicitly Induces PRM Capability in LLMs
par: Feng, Zhangying, et autres
Publié: (2025)
par: Feng, Zhangying, et autres
Publié: (2025)
Escaping the Verifier: Learning to Reason via Demonstrations
par: Cai, Locke, et autres
Publié: (2025)
par: Cai, Locke, et autres
Publié: (2025)
Documents similaires
-
Examining Reasoning LLMs-as-Judges in Non-Verifiable LLM Post-Training
par: Liu, Yixin, et autres
Publié: (2026) -
Incentivizing LLMs to Self-Verify Their Answers
par: Zhang, Fuxiang, et autres
Publié: (2025) -
From Accuracy to Robustness: A Study of Rule- and Model-based Verifiers in Mathematical Reasoning
par: Huang, Yuzhen, et autres
Publié: (2025) -
Divide-Verify-Refine: Can LLMs Self-Align with Complex Instructions?
par: Zhang, Xianren, et autres
Publié: (2024) -
Deconfounded Causality-aware Parameter-Efficient Fine-Tuning for Problem-Solving Improvement of LLMs
par: Wang, Ruoyu, et autres
Publié: (2024)