:: Library Catalog

Copertina

Salvato in:

Dettagli Bibliografici
Autori principali:	Zhao, Zihui, Li, Zechang
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Artificial Intelligence Machine Learning
Accesso online:	https://arxiv.org/abs/2512.13240
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

TreeRPO: Tree Relative Policy Optimization
di: Yang, Zhicheng, et al.
Pubblicazione: (2025)

StaRPO: Stability-Augmented Reinforcement Policy Optimization
di: Zhang, Jinghan, et al.
Pubblicazione: (2026)

Reflective Policy Optimization
di: Gan, Yaozhong, et al.
Pubblicazione: (2024)

RPO: Fine-Tuning Visual Generative Models via Rich Vision-Language Preferences
di: Zhao, Hanyang, et al.
Pubblicazione: (2025)

RPO:Reinforcement Fine-Tuning with Partial Reasoning Optimization
di: Yi, Hongzhu, et al.
Pubblicazione: (2026)

InSPO: Unlocking Intrinsic Self-Reflection for LLM Preference Optimization
di: Li, Yu, et al.
Pubblicazione: (2025)

Frictive Policy Optimization for LLMs: Epistemic Intervention, Risk-Sensitive Control, and Reflective Alignment
di: Pustejovsky, James, et al.
Pubblicazione: (2026)

Light Alignment Improves LLM Safety via Model Self-Reflection with a Single Neuron
di: Shen, Sicheng, et al.
Pubblicazione: (2026)

Adversarial Preference Optimization: Enhancing Your Alignment via RM-LLM Game
di: Cheng, Pengyu, et al.
Pubblicazione: (2023)

Meta-Aligner: Bidirectional Preference-Policy Optimization for Multi-Objective LLMs Alignment
di: Xu, Wenzhe, et al.
Pubblicazione: (2026)

GEM: Generative Entropy-Guided Preference Modeling for Few-shot Alignment of LLMs
di: Zhao, Yiyang, et al.
Pubblicazione: (2025)

Personalized Group Relative Policy Optimization for Heterogenous Preference Alignment
di: Wang, Jialu, et al.
Pubblicazione: (2026)

CoRPO: Adding a Correctness Bias to GRPO Improves Generalization
di: Garg, Anisha, et al.
Pubblicazione: (2025)

StepHint: Multi-level Stepwise Hints Enhance Reinforcement Learning to Reason
di: Zhang, Kaiyi, et al.
Pubblicazione: (2025)

Bootstrapping LLMs via Preference-Based Policy Optimization
di: Jia, Chen
Pubblicazione: (2025)

Preferred-Action-Optimized Diffusion Policies for Offline Reinforcement Learning
di: Zhang, Tianle, et al.
Pubblicazione: (2024)

Robust LLM Alignment via Distributionally Robust Direct Preference Optimization
di: Xu, Zaiyan, et al.
Pubblicazione: (2025)

Beyond Alignment: Expanding Reasoning Capacity via Manifold-Reshaping Policy Optimization
di: Wang, Dayu, et al.
Pubblicazione: (2026)

Mitigating Preference Hacking in Policy Optimization with Pessimism
di: Gupta, Dhawal, et al.
Pubblicazione: (2025)

Reflective Context Learning: Studying the Optimization Primitives of Context Space
di: Vassilyev, Nikita, et al.
Pubblicazione: (2026)

Beyond One-Preference-Fits-All Alignment: Multi-Objective Direct Preference Optimization
di: Zhou, Zhanhui, et al.
Pubblicazione: (2023)

ReflectivePrompt: Reflective evolution in autoprompting algorithms
di: Zhuravlev, Viktor N., et al.
Pubblicazione: (2025)

SGDPO: Self-Guided Direct Preference Optimization for Language Model Alignment
di: Zhu, Wenqiao, et al.
Pubblicazione: (2025)

Learning Permutation Distributions via Reflected Diffusion on Ranks
di: He, Sizhuang, et al.
Pubblicazione: (2026)

Group Preference Optimization: Few-Shot Alignment of Large Language Models
di: Zhao, Siyan, et al.
Pubblicazione: (2023)

TGPO: Tree-Guided Preference Optimization for Robust Web Agent Reinforcement Learning
di: Chen, Ziyuan, et al.
Pubblicazione: (2025)

Efficient Reasoning for Large Reasoning Language Models via Certainty-Guided Reflection Suppression
di: Huang, Jiameng, et al.
Pubblicazione: (2025)

Generalized Preference Optimization: A Unified Approach to Offline Alignment
di: Tang, Yunhao, et al.
Pubblicazione: (2024)

On Symmetric Losses for Robust Policy Optimization with Noisy Preferences
di: Nishimori, Soichiro, et al.
Pubblicazione: (2025)

Reward-Augmented Data Enhances Direct Preference Alignment of LLMs
di: Zhang, Shenao, et al.
Pubblicazione: (2024)

Reflect then Learn: Active Prompting for Information Extraction Guided by Introspective Confusion
di: Zhao, Dong, et al.
Pubblicazione: (2025)

Reasoning: From Reflection to Solution
di: Li, Zixi
Pubblicazione: (2025)

MathSE: Improving Multimodal Mathematical Reasoning via Self-Evolving Iterative Reflection and Reward-Guided Fine-Tuning
di: Chen, Jinhao, et al.
Pubblicazione: (2025)

Policy Guided Tree Search for Enhanced LLM Reasoning
di: Li, Yang
Pubblicazione: (2025)

R$^3$L: Reflect-then-Retry Reinforcement Learning with Language-Guided Exploration, Pivotal Credit, and Positive Amplification
di: Shi, Weijie, et al.
Pubblicazione: (2026)

Combating Spurious Correlations in Graph Interpretability via Self-Reflection
di: Cai, Kecheng, et al.
Pubblicazione: (2026)

PSPO*: An Effective Process-supervised Policy Optimization for Reasoning Alignment
di: Li, Jiawei, et al.
Pubblicazione: (2024)

Preference-Guided Diffusion for Multi-Objective Offline Optimization
di: Annadani, Yashas, et al.
Pubblicazione: (2025)

ActiveDPO: Active Direct Preference Optimization for Sample-Efficient Alignment
di: Lin, Xiaoqiang, et al.
Pubblicazione: (2025)

Mitigating Distribution Sharpening in Math RLVR via Distribution-Aligned Hint Synthesis and Backward Hint Annealing
di: Xie, Pei-Xi, et al.
Pubblicazione: (2026)