Buchumschlag

Temperature as a Meta-Policy: Adaptive Temperature in LLM Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dang, Haoran, Lan, Cuiling, Wan, Hai, Zhao, Xibin, Lu, Yan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Adversarial Contrastive Learning for LLM Quantization Attacks
von: Song, Dinghong, et al.
Veröffentlicht: (2026)

Internalize the Temperature: On-Policy Self-Distillation as Policy Reheater for Reinforcement Learning
von: Yang, Xuewei, et al.
Veröffentlicht: (2026)

Periodic Asynchrony: An On-Policy Approach for Accelerating LLM Reinforcement Learning
von: Lu, Jian
Veröffentlicht: (2025)

Adaptive Advantage-Guided Policy Regularization for Offline Reinforcement Learning
von: Liu, Tenglong, et al.
Veröffentlicht: (2024)

EPO: Entropy-regularized Policy Optimization for LLM Agents Reinforcement Learning
von: Xu, Wujiang, et al.
Veröffentlicht: (2025)

AdaMemento: Adaptive Memory-Assisted Policy Optimization for Reinforcement Learning
von: Yan, Renye, et al.
Veröffentlicht: (2024)

Adaptive Scaling of Policy Constraints for Offline Reinforcement Learning
von: Jing, Tan, et al.
Veröffentlicht: (2025)

Playing Non-Embedded Card-Based Games with Reinforcement Learning
von: Wu, Tianyang, et al.
Veröffentlicht: (2025)

TreeRL: LLM Reinforcement Learning with On-Policy Tree Search
von: Hou, Zhenyu, et al.
Veröffentlicht: (2025)

Towards an Information Theoretic Framework of Context-Based Offline Meta-Reinforcement Learning
von: Li, Lanqing, et al.
Veröffentlicht: (2024)

Revisiting Graph-Based Fraud Detection in Sight of Heterophily and Spectrum
von: Xu, Fan, et al.
Veröffentlicht: (2023)

LLM-Guided Reinforcement Learning: Addressing Training Bottlenecks through Policy Modulation
von: Tan, Heng, et al.
Veröffentlicht: (2025)

Adaptive Policy Synchronization for Scalable Reinforcement Learning
von: Lafuente-Mercado, Rodney
Veröffentlicht: (2025)

Learning When to Switch: Adaptive Policy Selection via Reinforcement Learning
von: Tava, Chris
Veröffentlicht: (2025)

LESS: Efficient Log Storage System Based on Learned Model and Minimum Attribute Tree
von: Cheng, Zhiyang, et al.
Veröffentlicht: (2024)

GLADformer: A Mixed Perspective for Graph-level Anomaly Detection
von: Xu, Fan, et al.
Veröffentlicht: (2024)

Meta-Learning and Meta-Reinforcement Learning -- Tracing the Path towards DeepMind's Adaptive Agent
von: Hoppmann, Björn, et al.
Veröffentlicht: (2026)

Actor-Accelerated Policy Dual Averaging for Reinforcement Learning in Continuous Action Spaces
von: Gao, Ji, et al.
Veröffentlicht: (2026)

Reinforcement Learning of Adaptive Acquisition Policies for Inverse Problems
von: Silvestri, Gianluigi, et al.
Veröffentlicht: (2024)

Adaptive Multi-Agent Deep Reinforcement Learning for Timely Healthcare Interventions
von: Shaik, Thanveer, et al.
Veröffentlicht: (2023)

Using Temperature Sampling to Effectively Train Robot Learning Policies on Imbalanced Datasets
von: Patil, Basavasagar, et al.
Veröffentlicht: (2025)

Improving Domain Generalization in Contrastive Learning using Adaptive Temperature Control
von: Lewis, Robert, et al.
Veröffentlicht: (2026)

On the Reuse Bias in Off-Policy Reinforcement Learning
von: Ying, Chengyang, et al.
Veröffentlicht: (2022)

Scalable On-Policy Reinforcement Learning via Adaptive Batch Scaling
von: Park, Jongchan
Veröffentlicht: (2026)

Offline Policy Evaluation for Reinforcement Learning with Adaptively Collected Data
von: Madhow, Sunil, et al.
Veröffentlicht: (2023)

Constraint-Adaptive Policy Switching for Offline Safe Reinforcement Learning
von: Chemingui, Yassine, et al.
Veröffentlicht: (2024)

Look Inward to Explore Outward: Learning Temperature Policy from LLM Internal States via Hierarchical RL
von: Zhou, Yixiao, et al.
Veröffentlicht: (2026)

Adaptive Simulation Experiment for LLM Policy Optimization
von: Hu, Mingjie, et al.
Veröffentlicht: (2026)

Learning to Optimize for Reinforcement Learning
von: Lan, Qingfeng, et al.
Veröffentlicht: (2023)

A Phone-based Distributed Ambient Temperature Measurement System with An Efficient Label-free Automated Training Strategy
von: Chen, Dayin, et al.
Veröffentlicht: (2024)

Boosting Continuous Control with Consistency Policy
von: Chen, Yuhui, et al.
Veröffentlicht: (2023)

Evolving Diffusion and Flow Matching Policies for Online Reinforcement Learning
von: Zhang, Chubin, et al.
Veröffentlicht: (2025)

Offline Meta-Reinforcement Learning with Flow-Based Task Inference and Adaptive Correction of Feature Overgeneralization
von: Wang, Min, et al.
Veröffentlicht: (2026)

Adaptive Policy Learning to Additional Tasks
von: Hao, Wenjian, et al.
Veröffentlicht: (2023)

Policy Zooming: Adaptive Discretization-based Infinite-Horizon Average-Reward Reinforcement Learning
von: Kar, Avik, et al.
Veröffentlicht: (2024)

Graph-enabled Reinforcement Learning for Time Series Forecasting with Adaptive Intelligence
von: Shaik, Thanveer, et al.
Veröffentlicht: (2023)

A Self-Attentive Meta-Optimizer with Group-Adaptive Learning Rates and Weight Decay
von: Zhao, JiangBo, et al.
Veröffentlicht: (2026)

FM-IRL: Flow-Matching for Reward Modeling and Policy Regularization in Reinforcement Learning
von: Wan, Zhenglin, et al.
Veröffentlicht: (2025)

GHPO: Adaptive Guidance for Stable and Efficient LLM Reinforcement Learning
von: Liu, Ziru, et al.
Veröffentlicht: (2025)

Private Optimal Inventory Policy Learning for Feature-based Newsvendor with Unknown Demand
von: Zhao, Tuoyi, et al.
Veröffentlicht: (2024)