Buchumschlag

UMM-RM: An Upcycle-and-Merge MoE Reward Model for Mitigating Reward Hacking

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fu, Lingling, Xue, Yongfu
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

TPMM-DPO: Trajectory-aware Preference-guided Model Merging for Iterative Direct Preference Optimization
von: Fu, Lingling, et al.
Veröffentlicht: (2026)

Hierarchical LoRA MoE for Efficient CTR Model Scaling
von: Zeng, Zhichen, et al.
Veröffentlicht: (2025)

Probabilistic Rank and Reward: A Scalable Model for Slate Recommendation
von: Aouali, Imad, et al.
Veröffentlicht: (2022)

RewardRank: Optimizing True Learning-to-Rank Utility
von: Bhatt, Gaurav, et al.
Veröffentlicht: (2025)

RecRM-Bench: Benchmarking Multidimensional Reward Modeling for Agentic Recommender Systems
von: Zeng, Wenwen, et al.
Veröffentlicht: (2026)

EBaReT: Expert-guided Bag Reward Transformer for Auto Bidding
von: Li, Kaiyuan, et al.
Veröffentlicht: (2025)

Orchestrating Heterogeneous Experts: A Scalable MoE Framework with Anisotropy-Preserving Fusion
von: Liu, Ye, et al.
Veröffentlicht: (2025)

InfoRM: Mitigating Reward Hacking in RLHF via Information-Theoretic Reward Modeling
von: Miao, Yuchun, et al.
Veröffentlicht: (2024)

Exploring Test-time Scaling via Prediction Merging on Large-Scale Recommendation
von: Lyu, Fuyuan, et al.
Veröffentlicht: (2025)

AgentPRM: Process Reward Models for LLM Agents via Step-Wise Promise and Progress
von: Xi, Zhiheng, et al.
Veröffentlicht: (2025)

When LLM Reward Design Fails: Diagnostic-Driven Refinement for Sparse Structured RL
von: Wang, Youting, et al.
Veröffentlicht: (2026)

Search-P1: Path-Centric Reward Shaping for Stable and Efficient Agentic RAG Training
von: Xia, Tianle, et al.
Veröffentlicht: (2026)

Mitigating Pooling Bias in E-commerce Search via False Negative Estimation
von: Wang, Xiaochen, et al.
Veröffentlicht: (2023)

BiCoRec: Bias-Mitigated Context-Aware Sequential Recommendation Model
von: Muthivhi, Mufhumudzi, et al.
Veröffentlicht: (2025)

Reward Shaping to Mitigate Reward Hacking in RLHF
von: Fu, Jiayi, et al.
Veröffentlicht: (2025)

Temporal Information Retrieval via Time-Specifier Model Merging
von: Han, SeungYoon, et al.
Veröffentlicht: (2025)

Analyzing and Mitigating Repetitions in Trip Recommendation
von: Shu, Wenzheng, et al.
Veröffentlicht: (2025)

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

MoToRec: Sparse-Regularized Multimodal Tokenization for Cold-Start Recommendation
von: Liu, Jialin, et al.
Veröffentlicht: (2026)

On the Necessity of World Knowledge for Mitigating Missing Labels in Extreme Classification
von: Prakash, Jatin, et al.
Veröffentlicht: (2024)

Optimizing Novelty of Top-k Recommendations using Large Language Models and Reinforcement Learning
von: Sharma, Amit, et al.
Veröffentlicht: (2024)

Debiasing Message Passing to Mitigate Popularity Bias in GNN-based Collaborative Filtering
von: Islam, Md Aminul, et al.
Veröffentlicht: (2026)

LIME: Link-based user-item Interaction Modeling with decoupled xor attention for Efficient test time scaling
von: Jiang, Yunjiang, et al.
Veröffentlicht: (2025)

Linear-PAL: A Lightweight Ranker for Mitigating Shortcut Learning in Personalized, High-Bias Tabular Ranking
von: Pawar, Vipul Dinesh
Veröffentlicht: (2025)

CF-KAN: Kolmogorov-Arnold Network-based Collaborative Filtering to Mitigate Catastrophic Forgetting in Recommender Systems
von: Park, Jin-Duk, et al.
Veröffentlicht: (2024)

Benchmarking and Building Long-Context Retrieval Models with LoCo and M2-BERT
von: Saad-Falcon, Jon, et al.
Veröffentlicht: (2024)

Mitigating Exposure Bias in Online Learning to Rank Recommendation: A Novel Reward Model for Cascading Bandits
von: Mansoury, Masoud, et al.
Veröffentlicht: (2024)

A Language-Driven Framework for Improving Personalized Recommendations: Merging LLMs with Traditional Algorithms
von: Goldstein, Aaron, et al.
Veröffentlicht: (2025)

ORBIT: Preserving Foundational Language Capabilities in GenRetrieval via Origin-Regulated Merging
von: Verma, Neha, et al.
Veröffentlicht: (2026)

Cross-attention Secretly Performs Orthogonal Alignment in Recommendation Models
von: Lee, Hyunin, et al.
Veröffentlicht: (2025)

Constructing a Question-Answering Simulator through the Distillation of LLMs
von: Liu, Haipeng, et al.
Veröffentlicht: (2025)

Metric-agnostic Learning-to-Rank via Boosting and Rank Approximation
von: Gomez, Camilo, et al.
Veröffentlicht: (2026)

Reward Hacking Mitigation using Verifiable Composite Rewards
von: Tarek, Mirza Farhan Bin, et al.
Veröffentlicht: (2025)

Repairing Reward Functions with Feedback to Mitigate Reward Hacking
von: Hatgis-Kessell, Stephane, et al.
Veröffentlicht: (2025)

Predict Click-Through Rates with Deep Interest Network Model in E-commerce Advertising
von: Zhou, Chang, et al.
Veröffentlicht: (2024)

Two Experts Are All You Need for Steering Thinking: Reinforcing Cognitive Effort in MoE Reasoning Models Without Additional Training
von: Wang, Mengru, et al.
Veröffentlicht: (2025)

Knowledge Distillation for Enhancing Walmart E-commerce Search Relevance Using Large Language Models
von: Shang, Hongwei, et al.
Veröffentlicht: (2025)

Joint Model Parameter Scaling and Universal-Domain Data Integration for E-commerce Search Ranking
von: Yu, Liren, et al.
Veröffentlicht: (2026)

Fine-Tuning Diffusion-Based Recommender Systems via Reinforcement Learning with Reward Function Optimization
von: Hou, Yu, et al.
Veröffentlicht: (2025)

Do Not Wait: Learning Re-Ranking Model Without User Feedback At Serving Time in E-Commerce
von: Wang, Yuan, et al.
Veröffentlicht: (2024)