Difficulty-Estimated Policy Optimization
Fuente:
arXiv
Salvato in:
| Autori principali: | Zhao, Yu, Jiang, Fan, Liu, Tianle, Zeng, Bo, Liu, Yu, Wang, Longyue, Luo, Weihua |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2026
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Marco-MoE: Open Multilingual Mixture-of-Expert Language Models with Efficient Upcycling
di: Jiang, Fan, et al.
Pubblicazione: (2026)
di: Jiang, Fan, et al.
Pubblicazione: (2026)
A State-Transition Framework for Efficient LLM Reasoning
di: Zhang, Liang, et al.
Pubblicazione: (2026)
di: Zhang, Liang, et al.
Pubblicazione: (2026)
ComplexMCP: Evaluation of LLM Agents in Dynamic, Interdependent, and Large-Scale Tool Sandbox
di: Li, Yuanyang, et al.
Pubblicazione: (2026)
di: Li, Yuanyang, et al.
Pubblicazione: (2026)
CaptchaMind: Training CAPTCHA Solvers via Reinforcement Learning with Explicit Reasoning Supervision
di: Wang, Pengcheng, et al.
Pubblicazione: (2026)
di: Wang, Pengcheng, et al.
Pubblicazione: (2026)
From Insight to Action: A Novel Framework for Interpretability-Guided Data Selection in Large Language Models
di: Shi, Ling, et al.
Pubblicazione: (2026)
di: Shi, Ling, et al.
Pubblicazione: (2026)
VeriDispatcher: Multi-Model Dispatching through Pre-Inference Difficulty Prediction for RTL Generation Optimization
di: Wang, Zeng, et al.
Pubblicazione: (2025)
di: Wang, Zeng, et al.
Pubblicazione: (2025)
VIDA: A dataset for Visually Dependent Ambiguity in Multimodal Machine Translation
di: Pan, Jingheng, et al.
Pubblicazione: (2026)
di: Pan, Jingheng, et al.
Pubblicazione: (2026)
Incentivizing Parametric Knowledge via Reinforcement Learning with Verifiable Rewards for Cross-Cultural Entity Translation
di: Zhou, Jiang, et al.
Pubblicazione: (2026)
di: Zhou, Jiang, et al.
Pubblicazione: (2026)
Marco-o1 v2: Towards Widening The Distillation Bottleneck for Reasoning Models
di: Yin, Huifeng, et al.
Pubblicazione: (2025)
di: Yin, Huifeng, et al.
Pubblicazione: (2025)
PVPO: Pre-Estimated Value-Based Policy Optimization for Agentic Reasoning
di: Feng, Wenfeng, et al.
Pubblicazione: (2025)
di: Feng, Wenfeng, et al.
Pubblicazione: (2025)
Finding the Translation Switch: Discovering and Exploiting the Task-Initiation Features in LLMs
di: Wu, Xinwei, et al.
Pubblicazione: (2026)
di: Wu, Xinwei, et al.
Pubblicazione: (2026)
DARE: Difficulty-Adaptive Reinforcement Learning with Co-Evolved Difficulty Estimation
di: Zhou, Yang, et al.
Pubblicazione: (2026)
di: Zhou, Yang, et al.
Pubblicazione: (2026)
Marco DeepResearch: Unlocking Efficient Deep Research Agents via Verification-Centric Design
di: Zhu, Bin, et al.
Pubblicazione: (2026)
di: Zhu, Bin, et al.
Pubblicazione: (2026)
Optimizing Reasoning Efficiency through Prompt Difficulty Prediction
di: Zhao, Bo, et al.
Pubblicazione: (2025)
di: Zhao, Bo, et al.
Pubblicazione: (2025)
TaskSense: Cognitive Chain Modeling and Difficulty Estimation for GUI Tasks
di: Yin, Yiwen, et al.
Pubblicazione: (2025)
di: Yin, Yiwen, et al.
Pubblicazione: (2025)
Building Autonomous GUI Navigation via Agentic-Q Estimation and Step-Wise Policy Optimization
di: Wang, Yibo, et al.
Pubblicazione: (2026)
di: Wang, Yibo, et al.
Pubblicazione: (2026)
Truncated Proximal Policy Optimization
di: Fan, Tiantian, et al.
Pubblicazione: (2025)
di: Fan, Tiantian, et al.
Pubblicazione: (2025)
Building Decision Making Models Through Language Model Regime
di: Zhang, Yu, et al.
Pubblicazione: (2024)
di: Zhang, Yu, et al.
Pubblicazione: (2024)
MAB Optimizer for Estimating Math Question Difficulty via Inverse CV without NLP
di: Das, Surajit, et al.
Pubblicazione: (2025)
di: Das, Surajit, et al.
Pubblicazione: (2025)
Preferred-Action-Optimized Diffusion Policies for Offline Reinforcement Learning
di: Zhang, Tianle, et al.
Pubblicazione: (2024)
di: Zhang, Tianle, et al.
Pubblicazione: (2024)
CoMelSinger: Discrete Token-Based Zero-Shot Singing Synthesis With Structured Melody Control and Guidance
di: Zhao, Junchuan, et al.
Pubblicazione: (2025)
di: Zhao, Junchuan, et al.
Pubblicazione: (2025)
Agents on a Tree: Pathwise Coordination for Multi-Objective Molecular Optimization
di: Zhang, Jia, et al.
Pubblicazione: (2026)
di: Zhang, Jia, et al.
Pubblicazione: (2026)
SimKO: Simple Pass@K Policy Optimization
di: Peng, Ruotian, et al.
Pubblicazione: (2025)
di: Peng, Ruotian, et al.
Pubblicazione: (2025)
Transform then Explore: a Simple and Effective Technique for Exploratory Combinatorial Optimization with Reinforcement Learning
di: Pu, Tianle, et al.
Pubblicazione: (2024)
di: Pu, Tianle, et al.
Pubblicazione: (2024)
MorphoBench: A Benchmark with Difficulty Adaptive to Model Reasoning
di: Wang, Xukai, et al.
Pubblicazione: (2025)
di: Wang, Xukai, et al.
Pubblicazione: (2025)
LLMs for High-Frequency Decision-Making: Normalized Action Reward-Guided Consistency Policy Optimization
di: Zhao, Yang, et al.
Pubblicazione: (2026)
di: Zhao, Yang, et al.
Pubblicazione: (2026)
State Regularized Policy Optimization on Data with Dynamics Shift
di: Xue, Zhenghai, et al.
Pubblicazione: (2023)
di: Xue, Zhenghai, et al.
Pubblicazione: (2023)
HSCodeComp: A Realistic and Expert-level Benchmark for Deep Search Agents in Hierarchical Rule Application
di: Yang, Yiqian, et al.
Pubblicazione: (2025)
di: Yang, Yiqian, et al.
Pubblicazione: (2025)
Estimating Difficulty Levels of Programming Problems with Pre-trained Model
di: Wang, Zhiyuan, et al.
Pubblicazione: (2024)
di: Wang, Zhiyuan, et al.
Pubblicazione: (2024)
Improving Multi-Step Reasoning Abilities of Large Language Models with Direct Advantage Policy Optimization
di: Liu, Jiacai, et al.
Pubblicazione: (2024)
di: Liu, Jiacai, et al.
Pubblicazione: (2024)
Group-in-Group Policy Optimization for LLM Agent Training
di: Feng, Lang, et al.
Pubblicazione: (2025)
di: Feng, Lang, et al.
Pubblicazione: (2025)
LFPO: Likelihood-Free Policy Optimization for Masked Diffusion Models
di: Wei, Chenxing, et al.
Pubblicazione: (2026)
di: Wei, Chenxing, et al.
Pubblicazione: (2026)
DrugAssist: A Large Language Model for Molecule Optimization
di: Ye, Geyan, et al.
Pubblicazione: (2023)
di: Ye, Geyan, et al.
Pubblicazione: (2023)
Unveiling Implicit Advantage Symmetry: Why GRPO Struggles with Exploration and Difficulty Adaptation
di: Yu, Zhiqi, et al.
Pubblicazione: (2026)
di: Yu, Zhiqi, et al.
Pubblicazione: (2026)
An Enhanced Grey Wolf Optimizer with Elite Inheritance and Balance Search Mechanisms
di: Jiang, Jianhua, et al.
Pubblicazione: (2024)
di: Jiang, Jianhua, et al.
Pubblicazione: (2024)
Tackling the Inherent Difficulty of Noise Filtering in RAG
di: Liu, Jingyu, et al.
Pubblicazione: (2026)
di: Liu, Jingyu, et al.
Pubblicazione: (2026)
Constraint-Conditioned Policy Optimization for Versatile Safe Reinforcement Learning
di: Yao, Yihang, et al.
Pubblicazione: (2023)
di: Yao, Yihang, et al.
Pubblicazione: (2023)
Data-Efficient On-Policy Distillation for Automatic Speech Recognition
di: Lin, Yu, et al.
Pubblicazione: (2026)
di: Lin, Yu, et al.
Pubblicazione: (2026)
Overcoming Reward Overoptimization via Adversarial Policy Optimization with Lightweight Uncertainty Estimation
di: Zhang, Xiaoying, et al.
Pubblicazione: (2024)
di: Zhang, Xiaoying, et al.
Pubblicazione: (2024)
Learnable Game-theoretic Policy Optimization for Data-centric Self-explanation Rationalization
di: Zhao, Yunxiao, et al.
Pubblicazione: (2025)
di: Zhao, Yunxiao, et al.
Pubblicazione: (2025)
Documenti analoghi
-
Marco-MoE: Open Multilingual Mixture-of-Expert Language Models with Efficient Upcycling
di: Jiang, Fan, et al.
Pubblicazione: (2026) -
A State-Transition Framework for Efficient LLM Reasoning
di: Zhang, Liang, et al.
Pubblicazione: (2026) -
ComplexMCP: Evaluation of LLM Agents in Dynamic, Interdependent, and Large-Scale Tool Sandbox
di: Li, Yuanyang, et al.
Pubblicazione: (2026) -
CaptchaMind: Training CAPTCHA Solvers via Reinforcement Learning with Explicit Reasoning Supervision
di: Wang, Pengcheng, et al.
Pubblicazione: (2026) -
From Insight to Action: A Novel Framework for Interpretability-Guided Data Selection in Large Language Models
di: Shi, Ling, et al.
Pubblicazione: (2026)