CM2: Reinforcement Learning with Checklist Rewards for Multi-Turn and Multi-Step Agentic Tool Use
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Zhang, Zhen, Song, Kaiqiang, Wang, Xun, Hu, Yebowen, Yan, Weixiang, Zhao, Chenyang, Zou, Henry Peng, Deng, Haoyun, Indurthi, Sathish Reddy, Liu, Shujian, Ma, Simin, Wang, Xiaoyang, Wang, Xin Eric, Wang, Song |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Communication to Completion: Modeling Collaborative Workflows with Intelligent Multi-Agent Communication
par: Lu, Yiming, et autres
Publié: (2025)
par: Lu, Yiming, et autres
Publié: (2025)
Aligning Multilingual Reasoning with Verifiable Semantics from a High-Resource Expert Model
par: Faisal, Fahim, et autres
Publié: (2025)
par: Faisal, Fahim, et autres
Publié: (2025)
TCIA: A Task-Centric Instruction Augmentation Method for Instruction Finetuning
par: Ma, Simin, et autres
Publié: (2025)
par: Ma, Simin, et autres
Publié: (2025)
Complex Logical Instruction Generation
par: Zhang, Mian, et autres
Publié: (2025)
par: Zhang, Mian, et autres
Publié: (2025)
Beyond Monolithic Rewards: A Hybrid and Multi-Aspect Reward Optimization for MLLM Alignment
par: Gulhane, Radha, et autres
Publié: (2025)
par: Gulhane, Radha, et autres
Publié: (2025)
LiveMCP-101: Stress Testing and Diagnosing MCP-enabled Agents on Challenging Queries
par: Yin, Ming, et autres
Publié: (2025)
par: Yin, Ming, et autres
Publié: (2025)
WPO: Enhancing RLHF with Weighted Preference Optimization
par: Zhou, Wenxuan, et autres
Publié: (2024)
par: Zhou, Wenxuan, et autres
Publié: (2024)
MUSIC: MUlti-Step Instruction Contrast for Multi-Turn Reward Models
par: Li, Wenzhe, et autres
Publié: (2025)
par: Li, Wenzhe, et autres
Publié: (2025)
Improving Multilingual Instruction Finetuning via Linguistically Natural and Diverse Datasets
par: Indurthi, Sathish Reddy, et autres
Publié: (2024)
par: Indurthi, Sathish Reddy, et autres
Publié: (2024)
Instructional Segment Embedding: Improving LLM Safety with Instruction Hierarchy
par: Wu, Tong, et autres
Publié: (2024)
par: Wu, Tong, et autres
Publié: (2024)
SportsMetrics: Blending Text and Numerical Data to Understand Information Fusion in LLMs
par: Hu, Yebowen, et autres
Publié: (2024)
par: Hu, Yebowen, et autres
Publié: (2024)
Can Large Language Models do Analytical Reasoning?
par: Hu, Yebowen, et autres
Publié: (2024)
par: Hu, Yebowen, et autres
Publié: (2024)
When Reasoning Meets Information Aggregation: A Case Study with Sports Narratives
par: Hu, Yebowen, et autres
Publié: (2024)
par: Hu, Yebowen, et autres
Publié: (2024)
TurnBench-MS: A Benchmark for Evaluating Multi-Turn, Multi-Step Reasoning in Large Language Models
par: Zhang, Yiran, et autres
Publié: (2025)
par: Zhang, Yiran, et autres
Publié: (2025)
Empowering Multi-Turn Tool-Integrated Agentic Reasoning with Group Turn Policy Optimization
par: Ding, Yifeng, et autres
Publié: (2025)
par: Ding, Yifeng, et autres
Publié: (2025)
ToolACE-MT: Non-Autoregressive Generation for Agentic Multi-Turn Interaction
par: Zeng, Xingshan, et autres
Publié: (2025)
par: Zeng, Xingshan, et autres
Publié: (2025)
SLEA-RL: Step-Level Experience Augmented Reinforcement Learning for Multi-Turn Agentic Training
par: Wang, Prince Zizhuang, et autres
Publié: (2026)
par: Wang, Prince Zizhuang, et autres
Publié: (2026)
Experience-Evolving Multi-Turn Tool-Use Agent with Hybrid Episodic-Procedural Memory
par: Li, Sijia, et autres
Publié: (2025)
par: Li, Sijia, et autres
Publié: (2025)
Eliciting Behaviors in Multi-Turn Conversations
par: Huang, Jing, et autres
Publié: (2025)
par: Huang, Jing, et autres
Publié: (2025)
Rethinking Stateful Tool Use in Multi-Turn Dialogues: Benchmarks and Challenges
par: Wang, Hongru, et autres
Publié: (2025)
par: Wang, Hongru, et autres
Publié: (2025)
InFoBench: Evaluating Instruction Following Ability in Large Language Models
par: Qin, Yiwei, et autres
Publié: (2024)
par: Qin, Yiwei, et autres
Publié: (2024)
Multi-Turn Code Generation Through Single-Step Rewards
par: Jain, Arnav Kumar, et autres
Publié: (2025)
par: Jain, Arnav Kumar, et autres
Publié: (2025)
RC-GRPO: Reward-Conditioned Group Relative Policy Optimization for Multi-Turn Tool Calling Agents
par: Zhong, Haitian, et autres
Publié: (2026)
par: Zhong, Haitian, et autres
Publié: (2026)
Proactive Guidance of Multi-Turn Conversation in Industrial Search
par: Li, Xiaoyu, et autres
Publié: (2025)
par: Li, Xiaoyu, et autres
Publié: (2025)
SPECTRUM: Speaker-Enhanced Pre-Training for Long Dialogue Summarization
par: Cho, Sangwoo, et autres
Publié: (2024)
par: Cho, Sangwoo, et autres
Publié: (2024)
StepTool: Enhancing Multi-Step Tool Usage in LLMs via Step-Grained Reinforcement Learning
par: Yu, Yuanqing, et autres
Publié: (2024)
par: Yu, Yuanqing, et autres
Publié: (2024)
ToolRM: Towards Agentic Tool-Use Reward Modeling
par: Li, Renhao, et autres
Publié: (2025)
par: Li, Renhao, et autres
Publié: (2025)
Agentic Reinforcement Learning with Implicit Step Rewards
par: Liu, Xiaoqian, et autres
Publié: (2025)
par: Liu, Xiaoqian, et autres
Publié: (2025)
AlphaQuanter: An End-to-End Tool-Augmented Agentic Reinforcement Learning Framework for Stock Trading
par: Deng, Zheye, et autres
Publié: (2025)
par: Deng, Zheye, et autres
Publié: (2025)
Training LLMs for Multi-Step Tool Orchestration with Constrained Data Synthesis and Graduated Rewards
par: Jiayang, Cheng, et autres
Publié: (2026)
par: Jiayang, Cheng, et autres
Publié: (2026)
MTSQL-R1: Towards Long-Horizon Multi-Turn Text-to-SQL via Agentic Training
par: Guo, Taicheng, et autres
Publié: (2025)
par: Guo, Taicheng, et autres
Publié: (2025)
ARM-Thinker: Reinforcing Multimodal Generative Reward Models with Agentic Tool Use and Visual Reasoning
par: Ding, Shengyuan, et autres
Publié: (2025)
par: Ding, Shengyuan, et autres
Publié: (2025)
Learning When to Act or Refuse: Guarding Agentic Reasoning Models for Safe Multi-Step Tool Use
par: Agarwal, Aradhye, et autres
Publié: (2026)
par: Agarwal, Aradhye, et autres
Publié: (2026)
Multi-Turn Reinforcement Learning for Tool-Calling Agents with Iterative Reward Calibration
par: Modecrua, Wachiravit, et autres
Publié: (2026)
par: Modecrua, Wachiravit, et autres
Publié: (2026)
T1: A Tool-Oriented Conversational Dataset for Multi-Turn Agentic Planning
par: Chakraborty, Amartya, et autres
Publié: (2025)
par: Chakraborty, Amartya, et autres
Publié: (2025)
RLAR: An Agentic Reward System for Multi-task Reinforcement Learning on Large Language Models
par: Feng, Andrew Zhuoer, et autres
Publié: (2026)
par: Feng, Andrew Zhuoer, et autres
Publié: (2026)
MUPA: Towards Multi-Path Agentic Reasoning for Grounded Video Question Answering
par: Dang, Jisheng, et autres
Publié: (2025)
par: Dang, Jisheng, et autres
Publié: (2025)
ComAgent: Multi-LLM based Agentic AI Empowered Intelligent Wireless Networks
par: Li, Haoyun, et autres
Publié: (2026)
par: Li, Haoyun, et autres
Publié: (2026)
TAMTRL: Teacher-Aligned Reward Reshaping for Multi-Turn Reinforcement Learning in Long-Context Compression
par: Wang, Li, et autres
Publié: (2026)
par: Wang, Li, et autres
Publié: (2026)
TIER: Trajectory-Invariant Execution Rewards for Multi-Step Tool Composition
par: Kulkarni, Anay, et autres
Publié: (2026)
par: Kulkarni, Anay, et autres
Publié: (2026)
Documents similaires
-
Communication to Completion: Modeling Collaborative Workflows with Intelligent Multi-Agent Communication
par: Lu, Yiming, et autres
Publié: (2025) -
Aligning Multilingual Reasoning with Verifiable Semantics from a High-Resource Expert Model
par: Faisal, Fahim, et autres
Publié: (2025) -
TCIA: A Task-Centric Instruction Augmentation Method for Instruction Finetuning
par: Ma, Simin, et autres
Publié: (2025) -
Complex Logical Instruction Generation
par: Zhang, Mian, et autres
Publié: (2025) -
Beyond Monolithic Rewards: A Hybrid and Multi-Aspect Reward Optimization for MLLM Alignment
par: Gulhane, Radha, et autres
Publié: (2025)