Salvato in:
| Autori principali: | Su, Jianghao, Zeng, Xia, Liu, Luhui, Luo, Chao, Chen, Ye, Zhuang, Zhuoran |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | https://arxiv.org/abs/2512.07478 |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Teaching LLM to be Persuasive: Reward-Enhanced Policy Optimization for Alignment from Heterogeneous Rewards
di: Zeng, Xia, et al.
Pubblicazione: (2025)
di: Zeng, Xia, et al.
Pubblicazione: (2025)
ACE-RL: Adaptive Constraint-Enhanced Reward for Long-form Generation Reinforcement Learning
di: Chen, Jianghao, et al.
Pubblicazione: (2025)
di: Chen, Jianghao, et al.
Pubblicazione: (2025)
AgentV-RL: Scaling Reward Modeling with Agentic Verifier
di: Zhang, Jiazheng, et al.
Pubblicazione: (2026)
di: Zhang, Jiazheng, et al.
Pubblicazione: (2026)
On-Policy RL with Optimal Reward Baseline
di: Hao, Yaru, et al.
Pubblicazione: (2025)
di: Hao, Yaru, et al.
Pubblicazione: (2025)
Multi-Objective and Mixed-Reward Reinforcement Learning via Reward-Decorrelated Policy Optimization
di: Bai, Yang, et al.
Pubblicazione: (2026)
di: Bai, Yang, et al.
Pubblicazione: (2026)
SAIL-RL: Guiding MLLMs in When and How to Think via Dual-Reward RL Tuning
di: Shu, Fangxun, et al.
Pubblicazione: (2025)
di: Shu, Fangxun, et al.
Pubblicazione: (2025)
The Past Is Not Past: Memory-Enhanced Dynamic Reward Shaping
di: Liu, Yang, et al.
Pubblicazione: (2026)
di: Liu, Yang, et al.
Pubblicazione: (2026)
Crossing the Reward Bridge: Expanding RL with Verifiable Rewards Across Diverse Domains
di: Su, Yi, et al.
Pubblicazione: (2025)
di: Su, Yi, et al.
Pubblicazione: (2025)
Math-PUMA: Progressive Upward Multimodal Alignment to Enhance Mathematical Reasoning
di: Zhuang, Wenwen, et al.
Pubblicazione: (2024)
di: Zhuang, Wenwen, et al.
Pubblicazione: (2024)
Search-P1: Path-Centric Reward Shaping for Stable and Efficient Agentic RAG Training
di: Xia, Tianle, et al.
Pubblicazione: (2026)
di: Xia, Tianle, et al.
Pubblicazione: (2026)
RewardFlow: Topology-Aware Reward Propagation on State Graphs for Agentic RL with Large Language Models
di: Feng, Xiao, et al.
Pubblicazione: (2026)
di: Feng, Xiao, et al.
Pubblicazione: (2026)
LCO: LLM-based Constraint Optimization for Safer Agentic LLMs in Real-world Tasks
di: Wan, Jiayong, et al.
Pubblicazione: (2026)
di: Wan, Jiayong, et al.
Pubblicazione: (2026)
Discriminative Policy Optimization for Token-Level Reward Models
di: Chen, Hongzhan, et al.
Pubblicazione: (2025)
di: Chen, Hongzhan, et al.
Pubblicazione: (2025)
EEPO: Exploration-Enhanced Policy Optimization via Sample-Then-Forget
di: Chen, Liang, et al.
Pubblicazione: (2025)
di: Chen, Liang, et al.
Pubblicazione: (2025)
Agentic Reinforced Policy Optimization
di: Dong, Guanting, et al.
Pubblicazione: (2025)
di: Dong, Guanting, et al.
Pubblicazione: (2025)
RubricEM: Meta-RL with Rubric-guided Policy Decomposition beyond Verifiable Rewards
di: Li, Gaotang, et al.
Pubblicazione: (2026)
di: Li, Gaotang, et al.
Pubblicazione: (2026)
When Sharpening Becomes Collapse: Sampling Bias and Semantic Coupling in RL with Verifiable Rewards
di: Fan, Mingyuan, et al.
Pubblicazione: (2026)
di: Fan, Mingyuan, et al.
Pubblicazione: (2026)
AT$^2$PO: Agentic Turn-based Policy Optimization via Tree Search
di: Zong, Zefang, et al.
Pubblicazione: (2026)
di: Zong, Zefang, et al.
Pubblicazione: (2026)
A$^2$TGPO: Agentic Turn-Group Policy Optimization with Adaptive Turn-level Clipping
di: Chen, Dingwei, et al.
Pubblicazione: (2026)
di: Chen, Dingwei, et al.
Pubblicazione: (2026)
StepPO: Step-Aligned Policy Optimization for Agentic Reinforcement Learning
di: Wang, Daoyu, et al.
Pubblicazione: (2026)
di: Wang, Daoyu, et al.
Pubblicazione: (2026)
Offline RL by Reward-Weighted Fine-Tuning for Conversation Optimization
di: Mukherjee, Subhojyoti, et al.
Pubblicazione: (2025)
di: Mukherjee, Subhojyoti, et al.
Pubblicazione: (2025)
SPEC-RL: Accelerating On-Policy Reinforcement Learning with Speculative Rollouts
di: Liu, Bingshuai, et al.
Pubblicazione: (2025)
di: Liu, Bingshuai, et al.
Pubblicazione: (2025)
GTPO and GRPO-S: Token and Sequence-Level Reward Shaping with Policy Entropy
di: Tan, Hongze, et al.
Pubblicazione: (2025)
di: Tan, Hongze, et al.
Pubblicazione: (2025)
Unleashing Implicit Rewards: Prefix-Value Learning for Distribution-Level Optimization
di: Gao, Shiping, et al.
Pubblicazione: (2026)
di: Gao, Shiping, et al.
Pubblicazione: (2026)
Agent-RewardBench: Towards a Unified Benchmark for Reward Modeling across Perception, Planning, and Safety in Real-World Multimodal Agents
di: Men, Tianyi, et al.
Pubblicazione: (2025)
di: Men, Tianyi, et al.
Pubblicazione: (2025)
Text2Reward: Reward Shaping with Language Models for Reinforcement Learning
di: Xie, Tianbao, et al.
Pubblicazione: (2023)
di: Xie, Tianbao, et al.
Pubblicazione: (2023)
Building Autonomous GUI Navigation via Agentic-Q Estimation and Step-Wise Policy Optimization
di: Wang, Yibo, et al.
Pubblicazione: (2026)
di: Wang, Yibo, et al.
Pubblicazione: (2026)
Token-Level Policy Optimization: Linking Group-Level Rewards to Token-Level Aggregation via Markov Likelihood
di: Lin, Xingyu, et al.
Pubblicazione: (2025)
di: Lin, Xingyu, et al.
Pubblicazione: (2025)
Segment Policy Optimization: Effective Segment-Level Credit Assignment in RL for Large Language Models
di: Guo, Yiran, et al.
Pubblicazione: (2025)
di: Guo, Yiran, et al.
Pubblicazione: (2025)
CPO: Addressing Reward Ambiguity in Role-playing Dialogue via Comparative Policy Optimization
di: Ye, Xinge, et al.
Pubblicazione: (2025)
di: Ye, Xinge, et al.
Pubblicazione: (2025)
DrugImproverGPT: A Large Language Model for Drug Optimization with Fine-Tuning via Structured Policy Optimization
di: Liu, Xuefeng, et al.
Pubblicazione: (2025)
di: Liu, Xuefeng, et al.
Pubblicazione: (2025)
Agentic Reinforcement Learning with Implicit Step Rewards
di: Liu, Xiaoqian, et al.
Pubblicazione: (2025)
di: Liu, Xiaoqian, et al.
Pubblicazione: (2025)
ToolRM: Towards Agentic Tool-Use Reward Modeling
di: Li, Renhao, et al.
Pubblicazione: (2025)
di: Li, Renhao, et al.
Pubblicazione: (2025)
Enhancing Judgment Document Generation via Agentic Legal Information Collection and Rubric-Guided Optimization
di: Su, Weihang, et al.
Pubblicazione: (2026)
di: Su, Weihang, et al.
Pubblicazione: (2026)
RAG-RewardBench: Benchmarking Reward Models in Retrieval Augmented Generation for Preference Alignment
di: Jin, Zhuoran, et al.
Pubblicazione: (2024)
di: Jin, Zhuoran, et al.
Pubblicazione: (2024)
On Designing Effective RL Reward at Training Time for LLM Reasoning
di: Gao, Jiaxuan, et al.
Pubblicazione: (2024)
di: Gao, Jiaxuan, et al.
Pubblicazione: (2024)
Understanding How Value Neurons Shape the Generation of Specified Values in LLMs
di: Su, Yi, et al.
Pubblicazione: (2025)
di: Su, Yi, et al.
Pubblicazione: (2025)
Agent Explorative Policy Optimization for Multimodal Agentic Reasoning
di: Kang, Minki, et al.
Pubblicazione: (2026)
di: Kang, Minki, et al.
Pubblicazione: (2026)
Sotopia-RL: Reward Design for Social Intelligence
di: Yu, Haofei, et al.
Pubblicazione: (2025)
di: Yu, Haofei, et al.
Pubblicazione: (2025)
InfoFlow: Reinforcing Search Agent Via Reward Density Optimization
di: Luo, Kun, et al.
Pubblicazione: (2025)
di: Luo, Kun, et al.
Pubblicazione: (2025)
Documenti analoghi
-
Teaching LLM to be Persuasive: Reward-Enhanced Policy Optimization for Alignment from Heterogeneous Rewards
di: Zeng, Xia, et al.
Pubblicazione: (2025) -
ACE-RL: Adaptive Constraint-Enhanced Reward for Long-form Generation Reinforcement Learning
di: Chen, Jianghao, et al.
Pubblicazione: (2025) -
AgentV-RL: Scaling Reward Modeling with Agentic Verifier
di: Zhang, Jiazheng, et al.
Pubblicazione: (2026) -
On-Policy RL with Optimal Reward Baseline
di: Hao, Yaru, et al.
Pubblicazione: (2025) -
Multi-Objective and Mixed-Reward Reinforcement Learning via Reward-Decorrelated Policy Optimization
di: Bai, Yang, et al.
Pubblicazione: (2026)