Buchumschlag

Entropy-Guided Data-Efficient Training for Multimodal Reasoning Reward Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Shidong, Huang, Tongwen, Wen, Hao, Wang, Yong, Chen, Li, Chu, Xiangxiang
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

GPG: A Simple and Strong Reinforcement Learning Baseline for Model Reasoning
von: Chu, Xiangxiang, et al.
Veröffentlicht: (2025)

MMGenBench: Fully Automatically Evaluating LMMs from the Text-to-Image Generation Perspective
von: Huang, Hailang, et al.
Veröffentlicht: (2024)

Unlocking Multimodal Mathematical Reasoning via Process Reward Model
von: Luo, Ruilin, et al.
Veröffentlicht: (2025)

DRPO: Efficient Reasoning via Decoupled Reward Policy Optimization
von: Li, Gang, et al.
Veröffentlicht: (2025)

Native Reasoning Models: Training Language Models to Reason on Unverifiable Data
von: Wang, Yuanfu, et al.
Veröffentlicht: (2026)

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

RationalRewards: Reasoning Rewards Scale Visual Generation Both Training and Test Time
von: Wang, Haozhe, et al.
Veröffentlicht: (2026)

D$^2$Evo: Dual Difficulty-Aware Self-Evolution for Data-Efficient Reinforcement Learning
von: Zhang, Ru, et al.
Veröffentlicht: (2026)

Self-Improving Tabular Language Models via Iterative Reward-Guided Post-Training
von: Long, Yunbo, et al.
Veröffentlicht: (2026)

Efficient Process Reward Model Training via Active Learning
von: Duan, Keyu, et al.
Veröffentlicht: (2025)

DreamPRM: Domain-Reweighted Process Reward Model for Multimodal Reasoning
von: Cao, Qi, et al.
Veröffentlicht: (2025)

Adversarial Training for Process Reward Models
von: Juneja, Gurusha, et al.
Veröffentlicht: (2025)

CoLD: Counterfactually-Guided Length Debiasing for Process Reward Models in Mathematical Reasoning
von: Zheng, Congmin, et al.
Veröffentlicht: (2025)

SkillClaw: Let Skills Evolve Collectively with Agentic Evolver
von: Ma, Ziyu, et al.
Veröffentlicht: (2026)

A Model Can Help Itself: Reward-Free Self-Training for LLM Reasoning
von: Li, Mengqi, et al.
Veröffentlicht: (2025)

HS-STaR: Hierarchical Sampling for Self-Taught Reasoners via Difficulty Estimation and Budget Reallocation
von: Xiong, Feng, et al.
Veröffentlicht: (2025)

GUI-GENESIS: Automated Synthesis of Efficient Environments with Verifiable Rewards for GUI Agent Post-Training
von: Cao, Yuan, et al.
Veröffentlicht: (2026)

AceMath: Advancing Frontier Math Reasoning with Post-Training and Reward Modeling
von: Liu, Zihan, et al.
Veröffentlicht: (2024)

Tree Search for LLM Agent Reinforcement Learning
von: Ji, Yuxiang, et al.
Veröffentlicht: (2025)

Ranking-aware Reinforcement Learning for Ordinal Ranking
von: Hao, Aiming, et al.
Veröffentlicht: (2026)

Train at Moving Edge: Online-Verified Prompt Selection for Efficient RL Training of Large Reasoning Model
von: Wu, Jiahao, et al.
Veröffentlicht: (2026)

LLM Reasoning with Process Rewards for Outcome-Guided Steps
von: Rezaei, Mohammad, et al.
Veröffentlicht: (2026)

IRIS: Implicit Reward-Guided Internal Sifting for Mitigating Multimodal Hallucination
von: Li, Yuanshuai, et al.
Veröffentlicht: (2026)

Optimal Transport for LLM Reward Modeling from Noisy Preference
von: Pan, Licheng, et al.
Veröffentlicht: (2026)

Athena: Enhancing Multimodal Reasoning with Data-efficient Process Reward Models
von: Wang, Shuai, et al.
Veröffentlicht: (2025)

AdaCuRL: Adaptive Curriculum Reinforcement Learning with Invalid Sample Mitigation and Historical Revisiting
von: Li, Renda, et al.
Veröffentlicht: (2025)

Preference Alignment for Diffusion Model via Explicit Denoised Distribution Estimation
von: Shi, Dingyuan, et al.
Veröffentlicht: (2024)

From Entropy to Calibrated Uncertainty: Training Language Models to Reason About Uncertainty
von: Jenane, Azza, et al.
Veröffentlicht: (2026)

TED: Training-Free Experience Distillation for Multimodal Reasoning
von: Yuan, Shuozhi, et al.
Veröffentlicht: (2026)

Beyond Scaling Law: A Data-Efficient Distillation Framework for Reasoning
von: Wu, Xiaojun, et al.
Veröffentlicht: (2025)

PersRM-R1: Enhance Personalized Reward Modeling with Reinforcement Learning
von: Li, Mengdi, et al.
Veröffentlicht: (2025)

Rounding-Guided Backdoor Injection in Deep Learning Model Quantization
von: Chen, Xiangxiang, et al.
Veröffentlicht: (2025)

Beyond Correctness: Harmonizing Process and Outcome Rewards through RL Training
von: Ye, Chenlu, et al.
Veröffentlicht: (2025)

Sampling for Quality: Training-Free Reward-Guided LLM Decoding via Sequential Monte Carlo
von: Markovic-Voronov, Jelena, et al.
Veröffentlicht: (2026)

Small Generalizable Prompt Predictive Models Can Steer Efficient RL Post-Training of Large Reasoning Models
von: Qu, Yun, et al.
Veröffentlicht: (2026)

Beyond Reward Hacking: Causal Rewards for Large Language Model Alignment
von: Wang, Chaoqi, et al.
Veröffentlicht: (2025)

ERPO: Token-Level Entropy-Regulated Policy Optimization for Large Reasoning Models
von: Yu, Song, et al.
Veröffentlicht: (2026)

More Bang for the Buck: Process Reward Modeling with Entropy-Driven Uncertainty
von: Cao, Lang, et al.
Veröffentlicht: (2025)

Verifying Meta-Awareness via Predictive Rewards in Reasoning Models
von: Kim, Yoonjeon, et al.
Veröffentlicht: (2025)

How Fast Should a Model Commit to Supervision? Training Reasoning Models on the Tsallis Loss Continuum
von: Lin, Chu-Cheng, et al.
Veröffentlicht: (2026)