F-GRPO: Don't Let Your Policy Learn the Obvious and Forget the Rare
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Plyusov, Daniil, Gorbatovski, Alexey, Shaposhnikov, Boris, Sinii, Viacheslav, Malakhov, Alexey, Korotyshova, Daria, Gavrilov, Daniil |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Trust-Region Behavior Blending for On-Policy Distillation
par: Plyusov, Daniil, et autres
Publié: (2026)
par: Plyusov, Daniil, et autres
Publié: (2026)
The Differences Between Direct Alignment Algorithms are a Blur
par: Gorbatovski, Alexey, et autres
Publié: (2025)
par: Gorbatovski, Alexey, et autres
Publié: (2025)
Steering LLM Reasoning Through Bias-Only Adaptation
par: Sinii, Viacheslav, et autres
Publié: (2025)
par: Sinii, Viacheslav, et autres
Publié: (2025)
ESSA: Evolutionary Strategies for Scalable Alignment
par: Korotyshova, Daria, et autres
Publié: (2025)
par: Korotyshova, Daria, et autres
Publié: (2025)
Learn Your Reference Model for Real Good Alignment
par: Gorbatovski, Alexey, et autres
Publié: (2024)
par: Gorbatovski, Alexey, et autres
Publié: (2024)
Small Vectors, Big Effects: A Mechanistic Study of RL-Induced Reasoning via Steering Vectors
par: Sinii, Viacheslav, et autres
Publié: (2025)
par: Sinii, Viacheslav, et autres
Publié: (2025)
Enhancing Vision-Language Model Training with Reinforcement Learning in Synthetic Worlds for Real-World Success
par: Bredis, George, et autres
Publié: (2025)
par: Bredis, George, et autres
Publié: (2025)
Don't Blind Your VLA: Aligning Visual Representations for OOD Generalization
par: Kachaev, Nikita, et autres
Publié: (2025)
par: Kachaev, Nikita, et autres
Publié: (2025)
Linear Transformers with Learnable Kernel Functions are Better In-Context Models
par: Aksenov, Yaroslav, et autres
Publié: (2024)
par: Aksenov, Yaroslav, et autres
Publié: (2024)
Reinforcement learning for question answering in programming domain using public community scoring as a human feedback
par: Gorbatovski, Alexey, et autres
Publié: (2024)
par: Gorbatovski, Alexey, et autres
Publié: (2024)
You Do Not Fully Utilize Transformer's Representation Capacity
par: Gerasimov, Gleb, et autres
Publié: (2025)
par: Gerasimov, Gleb, et autres
Publié: (2025)
Don't Forget Imagination!
par: Vityaev, Evgenii E., et autres
Publié: (2025)
par: Vityaev, Evgenii E., et autres
Publié: (2025)
On Efficient Scaling of GNNs via IO-Aware Layers Implementations
par: Fomina, Daria, et autres
Publié: (2026)
par: Fomina, Daria, et autres
Publié: (2026)
Teach Old SAEs New Domain Tricks with Boosting
par: Koriagin, Nikita, et autres
Publié: (2025)
par: Koriagin, Nikita, et autres
Publié: (2025)
Don't Forget Your Reward Values: Language Model Alignment via Value-based Calibration
par: Mao, Xin, et autres
Publié: (2024)
par: Mao, Xin, et autres
Publié: (2024)
Next Embedding Prediction Makes World Models Stronger
par: Bredis, George, et autres
Publié: (2026)
par: Bredis, George, et autres
Publié: (2026)
Train One Sparse Autoencoder Across Multiple Sparsity Budgets to Preserve Interpretability and Accuracy
par: Balagansky, Nikita, et autres
Publié: (2025)
par: Balagansky, Nikita, et autres
Publié: (2025)
Benchmarking is Broken -- Don't Let AI be its Own Judge
par: Cheng, Zerui, et autres
Publié: (2025)
par: Cheng, Zerui, et autres
Publié: (2025)
From Pixels to Digital Agents: An Empirical Study on the Taxonomy and Technological Trends of Reinforcement Learning Environments
par: Luo, Lijing, et autres
Publié: (2026)
par: Luo, Lijing, et autres
Publié: (2026)
Don't Forget It! Conditional Sparse Autoencoder Clamping Works for Unlearning
par: Khoriaty, Matthew, et autres
Publié: (2025)
par: Khoriaty, Matthew, et autres
Publié: (2025)
In-Context Reinforcement Learning for Variable Action Spaces
par: Sinii, Viacheslav, et autres
Publié: (2023)
par: Sinii, Viacheslav, et autres
Publié: (2023)
Object-Centric Learning with Slot Mixture Module
par: Kirilenko, Daniil, et autres
Publié: (2023)
par: Kirilenko, Daniil, et autres
Publié: (2023)
Improving GFlowNets with Monte Carlo Tree Search
par: Morozov, Nikita, et autres
Publié: (2024)
par: Morozov, Nikita, et autres
Publié: (2024)
Re:Frame -- Retrieving Experience From Associative Memory
par: Zelezetsky, Daniil, et autres
Publié: (2025)
par: Zelezetsky, Daniil, et autres
Publié: (2025)
KAGE-Bench: Fast Known-Axis Visual Generalization Evaluation for Reinforcement Learning
par: Cherepanov, Egor, et autres
Publié: (2026)
par: Cherepanov, Egor, et autres
Publié: (2026)
Don't Let It Hallucinate: Premise Verification via Retrieval-Augmented Logical Reasoning
par: Qin, Yuehan, et autres
Publié: (2025)
par: Qin, Yuehan, et autres
Publié: (2025)
A New Perspective on Transformers in Online Reinforcement Learning for Continuous Control
par: Kachaev, Nikita, et autres
Publié: (2025)
par: Kachaev, Nikita, et autres
Publié: (2025)
Don't Forget the Critic: Value-Based Data Rehearsal for Multi-Cyclic Continual Reinforcement Learning
par: Poole, Benjamin, et autres
Publié: (2026)
par: Poole, Benjamin, et autres
Publié: (2026)
Don't Let Bandit Feedback Pull Continual LLM-Recommender Updates Off Target
par: Kim, Taesan, et autres
Publié: (2026)
par: Kim, Taesan, et autres
Publié: (2026)
sDPO: Don't Use Your Data All at Once
par: Kim, Dahyun, et autres
Publié: (2024)
par: Kim, Dahyun, et autres
Publié: (2024)
Don't Waste Your Time: Early Stopping Cross-Validation
par: Bergman, Edward, et autres
Publié: (2024)
par: Bergman, Edward, et autres
Publié: (2024)
Don't Forget to Connect! Improving RAG with Graph-based Reranking
par: Dong, Jialin, et autres
Publié: (2024)
par: Dong, Jialin, et autres
Publié: (2024)
Don't Let It Fade: Preserving Edits in Diffusion Language Models via Token Timestep Allocation
par: Kim, Woojin, et autres
Publié: (2025)
par: Kim, Woojin, et autres
Publié: (2025)
Facilitating large language model Russian adaptation with Learned Embedding Propagation
par: Tikhomirov, Mikhail, et autres
Publié: (2024)
par: Tikhomirov, Mikhail, et autres
Publié: (2024)
Performance Insights-based AI-driven Football Transfer Fee Prediction
par: Sulimov, Daniil
Publié: (2024)
par: Sulimov, Daniil
Publié: (2024)
Universal time-series forecasting with mixture predictors
par: Ryabko, Daniil
Publié: (2020)
par: Ryabko, Daniil
Publié: (2020)
The Ky Fan Norms and Beyond: Dual Norms and Combinations for Matrix Optimization
par: Kravatskiy, Alexey, et autres
Publié: (2025)
par: Kravatskiy, Alexey, et autres
Publié: (2025)
Don't Pay Attention
par: Hammoud, Mohammad, et autres
Publié: (2025)
par: Hammoud, Mohammad, et autres
Publié: (2025)
INTRYGUE: Induction-Aware Entropy Gating for Reliable RAG Uncertainty Estimation
par: Bazarova, Alexandra, et autres
Publié: (2026)
par: Bazarova, Alexandra, et autres
Publié: (2026)
SEED-GRPO: Semantic Entropy Enhanced GRPO for Uncertainty-Aware Policy Optimization
par: Chen, Minghan, et autres
Publié: (2025)
par: Chen, Minghan, et autres
Publié: (2025)
Documents similaires
-
Trust-Region Behavior Blending for On-Policy Distillation
par: Plyusov, Daniil, et autres
Publié: (2026) -
The Differences Between Direct Alignment Algorithms are a Blur
par: Gorbatovski, Alexey, et autres
Publié: (2025) -
Steering LLM Reasoning Through Bias-Only Adaptation
par: Sinii, Viacheslav, et autres
Publié: (2025) -
ESSA: Evolutionary Strategies for Scalable Alignment
par: Korotyshova, Daria, et autres
Publié: (2025) -
Learn Your Reference Model for Real Good Alignment
par: Gorbatovski, Alexey, et autres
Publié: (2024)