Beyond KL Divergence: Policy Optimization with Flexible Bregman Divergences for LLM Reasoning
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Yuan, Rui, Khandoga, Mykola, Sankarapu, Vinay Kumar |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Beyond Uniform Credit: Causal Credit Assignment for Policy Optimization
par: Khandoga, Mykola, et autres
Publié: (2026)
par: Khandoga, Mykola, et autres
Publié: (2026)
Position: Behavioural Assurance Cannot Verify the Safety Claims Governance Now Demands
par: Seth, Pratinav, et autres
Publié: (2026)
par: Seth, Pratinav, et autres
Publié: (2026)
Divergence-Augmented Policy Optimization
par: Wang, Qing, et autres
Publié: (2025)
par: Wang, Qing, et autres
Publié: (2025)
Optimal Stability of KL Divergence under Gaussian Perturbations
par: Pan, Jialu, et autres
Publié: (2026)
par: Pan, Jialu, et autres
Publié: (2026)
On Flow Matching KL Divergence
par: Su, Maojiang, et autres
Publié: (2025)
par: Su, Maojiang, et autres
Publié: (2025)
Generalized Munchausen Reinforcement Learning using Tsallis KL Divergence
par: Zhu, Lingwei, et autres
Publié: (2023)
par: Zhu, Lingwei, et autres
Publié: (2023)
Interpretability as Alignment: Making Internal Understanding a Design Principle
par: Sengupta, Aadit, et autres
Publié: (2025)
par: Sengupta, Aadit, et autres
Publié: (2025)
Bridging the Gap in XAI-Why Reliable Metrics Matter for Explainability and Compliance
par: Seth, Pratinav, et autres
Publié: (2025)
par: Seth, Pratinav, et autres
Publié: (2025)
Orion-Bix: Bi-Axial Attention for Tabular In-Context Learning
par: Bouadi, Mohamed, et autres
Publié: (2025)
par: Bouadi, Mohamed, et autres
Publié: (2025)
Orion-MSP: Multi-Scale Sparse Attention for Tabular In-Context Learning
par: Bouadi, Mohamed, et autres
Publié: (2025)
par: Bouadi, Mohamed, et autres
Publié: (2025)
On the Design of KL-Regularized Policy Gradient Algorithms for LLM Reasoning
par: Zhang, Yifan, et autres
Publié: (2025)
par: Zhang, Yifan, et autres
Publié: (2025)
Adaptive Divergence Regularized Policy Optimization for Fine-tuning Generative Models
par: Fan, Jiajun, et autres
Publié: (2025)
par: Fan, Jiajun, et autres
Publié: (2025)
Distilling Tabular Foundation Models for Structured Health Data
par: Tanna, Aditya, et autres
Publié: (2026)
par: Tanna, Aditya, et autres
Publié: (2026)
TabTune: A Unified Library for Inference and Fine-Tuning Tabular Foundation Models
par: Tanna, Aditya, et autres
Publié: (2025)
par: Tanna, Aditya, et autres
Publié: (2025)
APO: Alpha-Divergence Preference Optimization
par: Zixian, Wang
Publié: (2025)
par: Zixian, Wang
Publié: (2025)
From Atoms to Chains: Divergence-Guided Reasoning Curriculum for Unlabeled LLM Domain Adaptation
par: Wang, Yongqi, et autres
Publié: (2026)
par: Wang, Yongqi, et autres
Publié: (2026)
Bidirectional Soft Actor-Critic: Leveraging Forward and Reverse KL Divergence for Efficient Reinforcement Learning
par: Zhang, Yixian, et autres
Publié: (2025)
par: Zhang, Yixian, et autres
Publié: (2025)
A Unified Framework for Rethinking Policy Divergence Measures in GRPO
par: Wu, Qingyuan, et autres
Publié: (2026)
par: Wu, Qingyuan, et autres
Publié: (2026)
Ensembling Tabular Foundation Models - A Diversity Ceiling And A Calibration Trap
par: Tanna, Aditya, et autres
Publié: (2026)
par: Tanna, Aditya, et autres
Publié: (2026)
Shaping the Prior: How Synthetic Task Distributions Determine Tabular Foundation Model Quality
par: Bouadi, Mohamed, et autres
Publié: (2026)
par: Bouadi, Mohamed, et autres
Publié: (2026)
Data Presentation Over Architecture: Resampling Strategies for Credit Risk Prediction with Tabular Foundation Models
par: Tanna, Aditya, et autres
Publié: (2026)
par: Tanna, Aditya, et autres
Publié: (2026)
DLBacktrace: A Model Agnostic Explainability for any Deep Learning Models
par: Sankarapu, Vinay Kumar, et autres
Publié: (2024)
par: Sankarapu, Vinay Kumar, et autres
Publié: (2024)
xai_evals : A Framework for Evaluating Post-Hoc Local Explanation Methods
par: Seth, Pratinav, et autres
Publié: (2025)
par: Seth, Pratinav, et autres
Publié: (2025)
Bayesian Pseudo-Coresets via Contrastive Divergence
par: Tiwary, Piyush, et autres
Publié: (2023)
par: Tiwary, Piyush, et autres
Publié: (2023)
Pocket Foundation Models: Distilling TFMs into CPU-Ready Gradient-Boosted Trees
par: Tanna, Aditya, et autres
Publié: (2026)
par: Tanna, Aditya, et autres
Publié: (2026)
LLM Safety Alignment is Divergence Estimation in Disguise
par: Haldar, Rajdeep, et autres
Publié: (2025)
par: Haldar, Rajdeep, et autres
Publié: (2025)
Recursive KL Divergence Optimization: A Dynamic Framework for Representation Learning
par: Martin, Anthony D
Publié: (2025)
par: Martin, Anthony D
Publié: (2025)
Rethinking Bregman Divergences in Kronecker-Factored Optimizers
par: Liu, Bing, et autres
Publié: (2026)
par: Liu, Bing, et autres
Publié: (2026)
AlignTune: Modular Toolkit for Post-Training Alignment of Large Language Models
par: Lyngkhoi, R E Zera Marveen, et autres
Publié: (2026)
par: Lyngkhoi, R E Zera Marveen, et autres
Publié: (2026)
From Bytes to Borsch: Fine-Tuning Gemma and Mistral for the Ukrainian Language Representation
par: Kiulian, Artur, et autres
Publié: (2024)
par: Kiulian, Artur, et autres
Publié: (2024)
Divergence-Suppressing Couplings for Rectified Flow
par: Min, Yimeng, et autres
Publié: (2026)
par: Min, Yimeng, et autres
Publié: (2026)
Convergent World Representations and Divergent Tasks
par: Park, Core Francisco
Publié: (2026)
par: Park, Core Francisco
Publié: (2026)
Rényi Divergence Deep Mutual Learning
par: Huang, Weipeng, et autres
Publié: (2022)
par: Huang, Weipeng, et autres
Publié: (2022)
DiCoRe: Enhancing Zero-shot Event Detection via Divergent-Convergent LLM Reasoning
par: Parekh, Tanmay, et autres
Publié: (2025)
par: Parekh, Tanmay, et autres
Publié: (2025)
Expert Divergence Learning for MoE-based Language Models
par: Li, Jiaang, et autres
Publié: (2026)
par: Li, Jiaang, et autres
Publié: (2026)
Online Nonconvex Bilevel Optimization with Bregman Divergences
par: Bohne, Jason, et autres
Publié: (2024)
par: Bohne, Jason, et autres
Publié: (2024)
Diverging Flows: Detecting Extrapolations in Conditional Generation
par: Tsakonas, Constantinos, et autres
Publié: (2026)
par: Tsakonas, Constantinos, et autres
Publié: (2026)
Reference-guided Policy Optimization for Molecular Optimization via LLM Reasoning
par: Li, Xuan, et autres
Publié: (2026)
par: Li, Xuan, et autres
Publié: (2026)
IDAP++: Advancing Divergence-Based Pruning via Filter-Level and Layer-Level Optimization
par: Samarin, Aleksei, et autres
Publié: (2025)
par: Samarin, Aleksei, et autres
Publié: (2025)
Decoupled and Divergence-Conditioned Prompt for Multi-domain Dynamic Graph Foundation Models
par: Yuan, Haonan, et autres
Publié: (2026)
par: Yuan, Haonan, et autres
Publié: (2026)
Documents similaires
-
Beyond Uniform Credit: Causal Credit Assignment for Policy Optimization
par: Khandoga, Mykola, et autres
Publié: (2026) -
Position: Behavioural Assurance Cannot Verify the Safety Claims Governance Now Demands
par: Seth, Pratinav, et autres
Publié: (2026) -
Divergence-Augmented Policy Optimization
par: Wang, Qing, et autres
Publié: (2025) -
Optimal Stability of KL Divergence under Gaussian Perturbations
par: Pan, Jialu, et autres
Publié: (2026) -
On Flow Matching KL Divergence
par: Su, Maojiang, et autres
Publié: (2025)