Buchumschlag

On the Limits of Test-Time Compute: Sequential Reward Filtering for Better Inference

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yu, Yue, Di, Qiwei, Gu, Quanquan, Zhou, Dongruo
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Nearly Minimax Optimal Regret for Learning Linear Mixture Stochastic Shortest Path
von: Di, Qiwei, et al.
Veröffentlicht: (2024)

Uncertainty-Aware Reward-Free Exploration with General Function Approximation
von: Zhang, Junkai, et al.
Veröffentlicht: (2024)

CoPS: Empowering LLM Agents with Provable Cross-Task Experience Sharing
von: Yang, Chen, et al.
Veröffentlicht: (2024)

Nearly Optimal Algorithms for Contextual Dueling Bandits from Adversarial Feedback
von: Di, Qiwei, et al.
Veröffentlicht: (2024)

Best-of-Majority: Minimax-Optimal Strategy for Pass@$k$ Inference Scaling
von: Di, Qiwei, et al.
Veröffentlicht: (2025)

Unified Convergence Analysis for Score-Based Diffusion Models with Deterministic Samplers
von: Li, Runjia, et al.
Veröffentlicht: (2024)

On the Convergence of Adaptive Gradient Methods for Nonconvex Optimization
von: Zhou, Dongruo, et al.
Veröffentlicht: (2018)

Provably Efficient Representation Selection in Low-rank Markov Decision Processes: From Online to Offline RL
von: Zhang, Weitong, et al.
Veröffentlicht: (2021)

Pessimistic Nonlinear Least-Squares Value Iteration for Offline Reinforcement Learning
von: Di, Qiwei, et al.
Veröffentlicht: (2023)

Dimension-Independent Convergence of Underdamped Langevin Monte Carlo in KL Divergence
von: Zhang, Shiyuan, et al.
Veröffentlicht: (2026)

Breaking the $\log(1/Δ_2)$ Barrier: Better Batched Best Arm Identification with Adaptive Grids
von: Jin, Tianyuan, et al.
Veröffentlicht: (2025)

Sample and Computationally Efficient Continuous-Time Reinforcement Learning with General Function Approximation
von: Zhao, Runze, et al.
Veröffentlicht: (2025)

Variance-Aware Regret Bounds for Stochastic Contextual Dueling Bandits
von: Di, Qiwei, et al.
Veröffentlicht: (2023)

Instance-Dependent Continuous-Time Reinforcement Learning via Maximum Likelihood Estimation
von: Zhao, Runze, et al.
Veröffentlicht: (2025)

Relative Translation Invariant Wasserstein Distance
von: Wang, Binshuai, et al.
Veröffentlicht: (2024)

On the Optimal Sample Complexity of Offline Multi-Armed Bandits with KL Regularization
von: Ji, Kaixuan, et al.
Veröffentlicht: (2026)

Near-Optimal Regret for KL-Regularized Multi-Armed Bandits
von: Ji, Kaixuan, et al.
Veröffentlicht: (2026)

Optimal Horizon-Free Reward-Free Exploration for Linear Mixture MDPs
von: Zhang, Junkai, et al.
Veröffentlicht: (2023)

Convergence of Score-Based Discrete Diffusion Models: A Discrete-Time Analysis
von: Zhang, Zikun, et al.
Veröffentlicht: (2024)

Near-Optimal Second-Order Guarantees for Model-Based Adversarial Imitation Learning
von: Li, Shangzhe, et al.
Veröffentlicht: (2025)

Reward Model Generalization for Compute-Aware Test-Time Reasoning
von: Song, Zeen, et al.
Veröffentlicht: (2025)

Rephrase and Respond: Let Large Language Models Ask Better Questions for Themselves
von: Deng, Yihe, et al.
Veröffentlicht: (2023)

CodeScaler: Scaling Code LLM Training and Test-Time Inference via Reward Models
von: Zhu, Xiao, et al.
Veröffentlicht: (2026)

Variance-Aware Feel-Good Thompson Sampling for Contextual Bandits
von: Li, Xuheng, et al.
Veröffentlicht: (2025)

Variance-Dependent Regret Lower Bounds for Contextual Bandits
von: He, Jiafan, et al.
Veröffentlicht: (2025)

Understanding SGD with Exponential Moving Average: A Case Study in Linear Regression
von: Li, Xuheng, et al.
Veröffentlicht: (2025)

Beyond-Expert Performance with Limited Demonstrations: Efficient Imitation Learning with Double Exploration
von: Zhao, Heyang, et al.
Veröffentlicht: (2025)

Compute Aligned Training: Optimizing for Test Time Inference
von: Ousherovitch, Adam, et al.
Veröffentlicht: (2026)

Model-based RL as a Minimalist Approach to Horizon-Free and Second-Order Bounds
von: Wang, Zhiyong, et al.
Veröffentlicht: (2024)

Energy-Weighted Flow Matching for Offline Reinforcement Learning
von: Zhang, Shiyuan, et al.
Veröffentlicht: (2025)

Decomposed Direct Preference Optimization for Structure-Based Drug Design
von: Cheng, Xiwei, et al.
Veröffentlicht: (2024)

Inference-Time Reward Hacking in Large Language Models
von: Khalaf, Hadi, et al.
Veröffentlicht: (2025)

Reward-Relevance-Filtered Linear Offline Reinforcement Learning
von: Zhou, Angela
Veröffentlicht: (2024)

Inference-Time Scaling for Generalist Reward Modeling
von: Liu, Zijun, et al.
Veröffentlicht: (2025)

How to Provably Improve Return Conditioned Supervised Learning?
von: Liu, Zhishuai, et al.
Veröffentlicht: (2025)

Return Augmented Decision Transformer for Off-Dynamics Reinforcement Learning
von: Wang, Ruhan, et al.
Veröffentlicht: (2024)

Bandit Simulation for Average Reward Inference
von: Praharaj, Samya, et al.
Veröffentlicht: (2026)

Provable Zero-Shot Generalization in Offline Reinforcement Learning
von: Wang, Zhiyong, et al.
Veröffentlicht: (2025)

MARS-M: When Variance Reduction Meets Matrices
von: Liu, Yifeng, et al.
Veröffentlicht: (2025)

Feel-Good Thompson Sampling for Contextual Dueling Bandits
von: Li, Xuheng, et al.
Veröffentlicht: (2024)