Buchumschlag

When and What to Ask: AskBench and Rubric-Guided RLVR for LLM Clarification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhao, Jiale, Fang, Ke, Cheng, Lu
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Ask Early, Ask Late, Ask Right: When Does Clarification Timing Matter for Long-Horizon Agents?
von: Gulati, Anmol, et al.
Veröffentlicht: (2026)

Knowing When to Ask: Segment-Level Credit Assignment for LLM Tool Use
von: Kumar, Abhijit, et al.
Veröffentlicht: (2026)

IntelliAsk: Learning to Ask High-Quality Research Questions via RLVR
von: Sharma, Karun, et al.
Veröffentlicht: (2026)

What Would You Ask When You First Saw $a^2+b^2=c^2$? Evaluating LLM on Curiosity-Driven Questioning
von: Javaji, Shashidhar Reddy, et al.
Veröffentlicht: (2024)

Generative Data Refinement: Just Ask for Better Data
von: Jiang, Minqi, et al.
Veröffentlicht: (2025)

Learning How to Ask: Querying LMs with Mixtures of Soft Prompts
von: Qin, Guanghui, et al.
Veröffentlicht: (2021)

Ask or Assume? Uncertainty-Aware Clarification-Seeking in Coding Agents
von: Edwards, Nicholas, et al.
Veröffentlicht: (2026)

Ask Again, Then Fail: Large Language Models' Vacillations in Judgment
von: Xie, Qiming, et al.
Veröffentlicht: (2023)

To Ask or Not to Ask: Learning to Require Human Feedback
von: Pugnana, Andrea, et al.
Veröffentlicht: (2025)

Better To Ask in English? Evaluating Factual Accuracy of Multilingual LLMs in English and Low-Resource Languages
von: Rohera, Pritika, et al.
Veröffentlicht: (2025)

Rephrase and Respond: Let Large Language Models Ask Better Questions for Themselves
von: Deng, Yihe, et al.
Veröffentlicht: (2023)

AskToAct: Enhancing LLMs Tool Use via Self-Correcting Clarification
von: Zhang, Xuan, et al.
Veröffentlicht: (2025)

How Far Can Unsupervised RLVR Scale LLM Training?
von: He, Bingxiang, et al.
Veröffentlicht: (2026)

CLARINET: Augmenting Language Models to Ask Clarification Questions for Retrieval
von: Chi, Yizhou, et al.
Veröffentlicht: (2024)

Semantic-Space Exploration and Exploitation in RLVR for LLM Reasoning
von: Huang, Fanding, et al.
Veröffentlicht: (2025)

The Unlearnability Phenomenon in RLVR for Language Models
von: Chen, Yulin, et al.
Veröffentlicht: (2026)

What Language is This? Ask Your Tokenizer
von: Meister, Clara, et al.
Veröffentlicht: (2026)

Rewards as Labels: Revisiting RLVR from a Classification Perspective
von: Zhai, Zepeng, et al.
Veröffentlicht: (2026)

DecomposeRL: Learning to Ask Useful, Informative, and Diverse Questions for Semi-Supervised, Traceable Claim Verification
von: Dipta, Shubhashis Roy, et al.
Veröffentlicht: (2026)

Ask more, know better: Reinforce-Learned Prompt Questions for Decision Making with Large Language Models
von: Yan, Xue, et al.
Veröffentlicht: (2023)

Low-rank Optimization Trajectories Modeling for LLM RLVR Acceleration
von: Chen, Zhipeng, et al.
Veröffentlicht: (2026)

ProfBench: Multi-Domain Rubrics requiring Professional Knowledge to Answer and Judge
von: Wang, Zhilin, et al.
Veröffentlicht: (2025)

Rubric-Conditioned LLM Grading: Alignment, Uncertainty, and Robustness
von: Deng, Haotian, et al.
Veröffentlicht: (2025)

Self-Distilled RLVR
von: Yang, Chenxu, et al.
Veröffentlicht: (2026)

From Passive to Active Reasoning: Can Large Language Models Ask the Right Questions under Incomplete Information?
von: Zhou, Zhanke, et al.
Veröffentlicht: (2025)

SAGE: Shaping Anchors for Guided Exploration in RLVR of LLMs
von: Lee, Chanuk, et al.
Veröffentlicht: (2026)

Why Ask One When You Can Ask $k$? Learning-to-Defer to the Top-$k$ Experts
von: Montreuil, Yannis, et al.
Veröffentlicht: (2025)

Learning to Ask: When LLM Agents Meet Unclear Instruction
von: Wang, Wenxuan, et al.
Veröffentlicht: (2024)

Generalization of RLVR Using Causal Reasoning as a Testbed
von: Lu, Brian, et al.
Veröffentlicht: (2025)

Alternating Reinforcement Learning for Rubric-Based Reward Modeling in Non-Verifiable LLM Post-Training
von: Xu, Ran, et al.
Veröffentlicht: (2026)

The Invisible Leash: Why RLVR May or May Not Escape Its Origin
von: Wu, Fang, et al.
Veröffentlicht: (2025)

Asking the Right Question at the Right Time: Human and Model Uncertainty Guidance to Ask Clarification Questions
von: Testoni, Alberto, et al.
Veröffentlicht: (2024)

RubricEM: Meta-RL with Rubric-guided Policy Decomposition beyond Verifiable Rewards
von: Li, Gaotang, et al.
Veröffentlicht: (2026)

When to Ask a Question: Understanding Communication Strategies in Generative AI Tools
von: Park, Charlotte, et al.
Veröffentlicht: (2026)

Reinforcement Learning with Rubric Anchors
von: Huang, Zenan, et al.
Veröffentlicht: (2025)

Ask, and it shall be given: On the Turing completeness of prompting
von: Qiu, Ruizhong, et al.
Veröffentlicht: (2024)

Learning When to Ask: Simulation-Trained Humanoids for Mental-Health Diagnosis
von: Cenacchi, Filippo, et al.
Veröffentlicht: (2025)

AMARIS: A Memory-Augmented Rubric Improvement System for Rubric-Based Reinforcement Learning
von: Wu, Peilin, et al.
Veröffentlicht: (2026)

Implicit Actor Critic Coupling via a Supervised Learning Framework for RLVR
von: Li, Jiaming, et al.
Veröffentlicht: (2025)

Linear Dynamics in the RLVR Training of Large Language Models
von: Wang, Tianle, et al.
Veröffentlicht: (2026)