Buchumschlag

GraphDancer: Training LLMs to Explore and Reason over Graphs via Two-Stage Curriculum Post-Training

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bai, Yuyang, Li, Zhuofeng, Nie, Ping, Xie, Jianwen, Zhang, Yu
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Can Post-Training Transform LLMs into Causal Reasoners?
von: Chen, Junqi, et al.
Veröffentlicht: (2026)

Examining Reasoning LLMs-as-Judges in Non-Verifiable LLM Post-Training
von: Liu, Yixin, et al.
Veröffentlicht: (2026)

KDRL: Post-Training Reasoning LLMs via Unified Knowledge Distillation and Reinforcement Learning
von: Xu, Hongling, et al.
Veröffentlicht: (2025)

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

Train Long, Think Short: Curriculum Learning for Efficient Reasoning
von: Hammoud, Hasan Abed Al Kader, et al.
Veröffentlicht: (2025)

Learning to Reason Efficiently with A* Post-Training
von: Opedal, Andreas, et al.
Veröffentlicht: (2026)

Scaling Up RL: Unlocking Diverse Reasoning in LLMs via Prolonged Training
von: Liu, Mingjie, et al.
Veröffentlicht: (2025)

Predicting Training Re-evaluation Curves Enables Effective Data Curriculums for LLMs
von: Bergsma, Shane, et al.
Veröffentlicht: (2025)

BiLLM: Pushing the Limit of Post-Training Quantization for LLMs
von: Huang, Wei, et al.
Veröffentlicht: (2024)

Training Large Language Models for Reasoning through Reverse Curriculum Reinforcement Learning
von: Xi, Zhiheng, et al.
Veröffentlicht: (2024)

Lil: Less is Less When Applying Post-Training Sparse-Attention Algorithms in Long-Decode Stage
von: Hu, Junhao, et al.
Veröffentlicht: (2026)

What Makes Low-Bit Quantization-Aware Training Work for Reasoning LLMs? A Systematic Study
von: Lv, Keyu, et al.
Veröffentlicht: (2026)

ShiftAddLLM: Accelerating Pretrained LLMs via Post-Training Multiplication-Less Reparameterization
von: You, Haoran, et al.
Veröffentlicht: (2024)

ReviewGrounder: Improving Review Substantiveness with Rubric-Guided, Tool-Integrated Agents
von: Li, Zhuofeng, et al.
Veröffentlicht: (2026)

Nemotron-Cascade 2: Post-Training LLMs with Cascade RL and Multi-Domain On-Policy Distillation
von: Yang, Zhuolin, et al.
Veröffentlicht: (2026)

MegaScience: Pushing the Frontiers of Post-Training Datasets for Science Reasoning
von: Fan, Run-Ze, et al.
Veröffentlicht: (2025)

RLAD: Training LLMs to Discover Abstractions for Solving Reasoning Problems
von: Qu, Yuxiao, et al.
Veröffentlicht: (2025)

Breaking the Capability Ceiling of LLM Post-Training by Reintroducing Markov States
von: Yuan, Yurun, et al.
Veröffentlicht: (2026)

Rewarding Graph Reasoning Process makes LLMs more Generalized Reasoners
von: Peng, Miao, et al.
Veröffentlicht: (2025)

Ground-Truth Subgraphs for Better Training and Evaluation of Knowledge Graph Augmented LLMs
von: Cattaneo, Alberto, et al.
Veröffentlicht: (2025)

Each Graph is a New Language: Graph Learning with LLMs
von: Zhou, Huachi, et al.
Veröffentlicht: (2025)

Disentangling Feature Structure: A Mathematically Provable Two-Stage Training Dynamics in Transformers
von: Gong, Zixuan, et al.
Veröffentlicht: (2025)

Training Language Models on the Knowledge Graph: Insights on Hallucinations and Their Detectability
von: Hron, Jiri, et al.
Veröffentlicht: (2024)

How Post-Training Reshapes LLMs: A Mechanistic View on Knowledge, Truthfulness, Refusal, and Confidence
von: Du, Hongzhe, et al.
Veröffentlicht: (2025)

RewardHarness: Self-Evolving Agentic Post-Training
von: Zhang, Yuxuan, et al.
Veröffentlicht: (2026)

Two-Stage Regularization-Based Structured Pruning for LLMs
von: Feng, Mingkuan, et al.
Veröffentlicht: (2025)

Off-the-Shelf LLMs as Process Scorers: Training-Free Alternative to PRMs for Mathematical Reasoning
von: Chegini, Atoosa, et al.
Veröffentlicht: (2026)

Self-Training Meets Consistency: Improving LLMs' Reasoning with Consistency-Driven Rationale Evaluation
von: Lee, Jaehyeok, et al.
Veröffentlicht: (2024)

GMoE: Empowering LLMs Fine-Tuning via MoE Graph Collaboration
von: Bai, Ting, et al.
Veröffentlicht: (2024)

Decentralized Adversarial Training over Graphs
von: Cao, Ying, et al.
Veröffentlicht: (2023)

Can LLMs Convert Graphs to Text-Attributed Graphs?
von: Wang, Zehong, et al.
Veröffentlicht: (2024)

Post-Training Sparse Attention with Double Sparsity
von: Yang, Shuo, et al.
Veröffentlicht: (2024)

GIFT: Reconciling Post-Training Objectives via Finite-Temperature Gibbs Initialization
von: Zhao, Zhengyang, et al.
Veröffentlicht: (2026)

How to Train Data-Efficient LLMs
von: Sachdeva, Noveen, et al.
Veröffentlicht: (2024)

In-the-Flow Agentic System Optimization for Effective Planning and Tool Use
von: Li, Zhuofeng, et al.
Veröffentlicht: (2025)

Flow of Reasoning: Training LLMs for Divergent Reasoning with Minimal Examples
von: Yu, Fangxu, et al.
Veröffentlicht: (2024)

Training Reasoning Models on Saturated Problems via Failure-Prefix Conditioning
von: Kim, Minwu, et al.
Veröffentlicht: (2026)

Efficient Post-Training Refinement of Latent Reasoning in Large Language Models
von: Wang, Xinyuan, et al.
Veröffentlicht: (2025)

How Instruction and Reasoning Data shape Post-Training: Data Quality through the Lens of Layer-wise Gradients
von: Li, Ming, et al.
Veröffentlicht: (2025)

QuantMoE-Bench: Examining Post-Training Quantization for Mixture-of-Experts
von: Li, Pingzhi, et al.
Veröffentlicht: (2024)