Buchumschlag

JustRL: Scaling a 1.5B LLM with a Simple RL Recipe

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	He, Bingxiang, Qu, Zekai, Liu, Zeyuan, Chen, Yinghao, Zuo, Yuxin, Qian, Cheng, Zhang, Kaiyan, Chen, Weize, Xiao, Chaojun, Cui, Ganqu, Ding, Ning, Liu, Zhiyuan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Rethinking On-Policy Distillation of Large Language Models: Phenomenology, Mechanism, and Recipe
von: Li, Yaxuan, et al.
Veröffentlicht: (2026)

From $f(x)$ and $g(x)$ to $f(g(x))$: LLMs Learn New Skills in RL by Composing Old Ones
von: Yuan, Lifan, et al.
Veröffentlicht: (2025)

SimpleVLA-RL: Scaling VLA Training via Reinforcement Learning
von: Li, Haozhan, et al.
Veröffentlicht: (2025)

CPMobius: Iterative Coach-Player Reasoning for Data-Free Reinforcement Learning
von: Li, Ran, et al.
Veröffentlicht: (2026)

RL Is a Hammer and LLMs Are Nails: A Simple Reinforcement Learning Recipe for Strong Prompt Injection
von: Wen, Yuxin, et al.
Veröffentlicht: (2025)

FlowRL: Matching Reward Distributions for LLM Reasoning
von: Zhu, Xuekai, et al.
Veröffentlicht: (2025)

Vero: An Open RL Recipe for General Visual Reasoning
von: Sarch, Gabriel, et al.
Veröffentlicht: (2026)

How Far Can Unsupervised RLVR Scale LLM Training?
von: He, Bingxiang, et al.
Veröffentlicht: (2026)

Free Process Rewards without Process Labels
von: Yuan, Lifan, et al.
Veröffentlicht: (2024)

Scalable Efficient Training of Large Language Models with Low-dimensional Projected Attention
von: Lv, Xingtai, et al.
Veröffentlicht: (2024)

Teaching Thinking Models to Reason with Tools: A Full-Pipeline Recipe for Tool-Integrated Reasoning
von: Cheng, Qianjia, et al.
Veröffentlicht: (2026)

RL Grokking Recipe: How Does RL Unlock and Transfer New Algorithms in LLMs?
von: Sun, Yiyou, et al.
Veröffentlicht: (2025)

ReviewRL: Towards Automated Scientific Review with RL
von: Zeng, Sihang, et al.
Veröffentlicht: (2025)

The Right Time Matters: Data Arrangement Affects Zero-Shot Generalization in Instruction Tuning
von: He, Bingxiang, et al.
Veröffentlicht: (2024)

Beyond SFT-to-RL: Pre-alignment via Black-Box On-Policy Distillation for Multimodal RL
von: Wang, Sudong, et al.
Veröffentlicht: (2026)

INTERVENOR: Prompting the Coding Ability of Large Language Models with the Interactive Chain of Repair
von: Wang, Hanbin, et al.
Veröffentlicht: (2023)

STO-RL: Offline RL under Sparse Rewards via LLM-Guided Subgoal Temporal Order
von: Gu, Chengyang, et al.
Veröffentlicht: (2026)

SE-Bench: Benchmarking Self-Evolution with Knowledge Internalization
von: Yuan, Jiarui, et al.
Veröffentlicht: (2026)

MiniCPM-V 4.5: Cooking Efficient MLLMs via Architecture, Data, and Training Recipe
von: Yu, Tianyu, et al.
Veröffentlicht: (2025)

The Entropy Mechanism of Reinforcement Learning for Reasoning Language Models
von: Cui, Ganqu, et al.
Veröffentlicht: (2025)

UltraFeedback: Boosting Language Models with Scaled AI Feedback
von: Cui, Ganqu, et al.
Veröffentlicht: (2023)

Webscale-RL: Automated Data Pipeline for Scaling RL Data to Pretraining Levels
von: Cen, Zhepeng, et al.
Veröffentlicht: (2025)

TTRL: Test-Time Reinforcement Learning
von: Zuo, Yuxin, et al.
Veröffentlicht: (2025)

SimpleRL-Zoo: Investigating and Taming Zero Reinforcement Learning for Open Base Models in the Wild
von: Zeng, Weihao, et al.
Veröffentlicht: (2025)

Accelerating PDE Surrogates via RL-Guided Mesh Optimization
von: Meng, Yang, et al.
Veröffentlicht: (2026)

AIR: A Systematic Analysis of Annotations, Instructions, and Response Pairs in Preference Dataset
von: He, Bingxiang, et al.
Veröffentlicht: (2025)

DiffusionRL: Efficient Training of Diffusion Policies for Robotic Grasping Using RL-Adapted Large-Scale Datasets
von: Makarova, Maria, et al.
Veröffentlicht: (2025)

MedXpertQA: Benchmarking Expert-Level Medical Reasoning and Understanding
von: Zuo, Yuxin, et al.
Veröffentlicht: (2025)

Exposing Vulnerabilities in RL: A Novel Stealthy Backdoor Attack through Reward Poisoning
von: Zhang, Bokang, et al.
Veröffentlicht: (2025)

The Overthinker's DIET: Cutting Token Calories with DIfficulty-AwarE Training
von: Chen, Weize, et al.
Veröffentlicht: (2025)

ToRL: Scaling Tool-Integrated RL
von: Li, Xuefeng, et al.
Veröffentlicht: (2025)

RubricRL: Simple Generalizable Rewards for Text-to-Image Generation
von: Feng, Xuelu, et al.
Veröffentlicht: (2025)

Rethinking RL Evaluation: Can Benchmarks Truly Reveal Failures of RL Methods?
von: Chen, Zihan, et al.
Veröffentlicht: (2025)

UltraMedical: Building Specialized Generalists in Biomedicine
von: Zhang, Kaiyan, et al.
Veröffentlicht: (2024)

Mastering Text, Code and Math Simultaneously via Fusing Highly Specialized Language Models
von: Ding, Ning, et al.
Veröffentlicht: (2024)

SeeUPO: Sequence-Level Agentic-RL with Convergence Guarantees
von: Hu, Tianyi, et al.
Veröffentlicht: (2026)

JigsawRL: Assembling RL Pipelines for Efficient LLM Post-Training
von: Hu, Zhengding, et al.
Veröffentlicht: (2026)

ArenaRL: Scaling RL for Open-Ended Agents via Tournament-based Relative Ranking
von: Zhang, Qiang, et al.
Veröffentlicht: (2026)

Process Reinforcement through Implicit Rewards
von: Cui, Ganqu, et al.
Veröffentlicht: (2025)

GAP-RL: Grasps As Points for RL Towards Dynamic Object Grasping
von: Xie, Pengwei, et al.
Veröffentlicht: (2024)