Buchumschlag

Process-Supervised Multi-Agent Reinforcement Learning for Reliable Clinical Reasoning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lee, Chaeeun, Yates, T. Michael, Minervini, Pasquale, Simpson, T. Ian
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Edinburgh Clinical NLP at MEDIQA-CORR 2024: Guiding Large Language Models with Hints
von: Gema, Aryo Pradipta, et al.
Veröffentlicht: (2024)

FREESON: Retriever-Free Retrieval-Augmented Reasoning via Corpus-Traversing MCTS
von: Kim, Chaeeun, et al.
Veröffentlicht: (2025)

SynDARin: Synthesising Datasets for Automated Reasoning in Low-Resource Languages
von: Ghazaryan, Gayane, et al.
Veröffentlicht: (2024)

Low-Rank Compression of Language Models via Differentiable Rank Selection
von: Sundrani, Sidhant, et al.
Veröffentlicht: (2025)

MedMMV: A Controllable Multimodal Multi-Agent Framework for Reliable and Verifiable Clinical Reasoning
von: Liu, Hongjun, et al.
Veröffentlicht: (2025)

Evaluating and Safeguarding the Adversarial Robustness of Retrieval-Based In-Context Learning
von: Yu, Simon, et al.
Veröffentlicht: (2024)

VLM-RobustBench: A Comprehensive Benchmark for Robustness of Vision-Language Models
von: Saxena, Rohit, et al.
Veröffentlicht: (2026)

On the Independence Assumption in Neurosymbolic Learning
von: van Krieken, Emile, et al.
Veröffentlicht: (2024)

Internalizing Outcome Supervision into Process Supervision: A New Paradigm for Reinforcement Learning for Reasoning
von: Ding, Fei, et al.
Veröffentlicht: (2026)

Multi-Agent Collaborative Reward Design for Enhancing Reasoning in Reinforcement Learning
von: Yang, Pei, et al.
Veröffentlicht: (2025)

VAPO: Efficient and Reliable Reinforcement Learning for Advanced Reasoning Tasks
von: Yue, Yu, et al.
Veröffentlicht: (2025)

DeepTool: Scaling Interleaved Deliberation in Tool-Integrated Reasoning via Process-Supervised Reinforcement Learning
von: He, Yang, et al.
Veröffentlicht: (2026)

FLARE: Faithful Logic-Aided Reasoning and Exploration
von: Arakelyan, Erik, et al.
Veröffentlicht: (2024)

An Analysis of Decoding Methods for LLM-based Agents for Faithful Multi-Hop Question Answering
von: Murphy, Alexander, et al.
Veröffentlicht: (2025)

Process-Supervised Reinforcement Learning for Interactive Multimodal Tool-Use Agents
von: Tan, Weiting, et al.
Veröffentlicht: (2025)

Can LLMs Correct Physicians, Yet? Investigating Effective Interaction Methods in the Medical Domain
von: Sayin, Burcu, et al.
Veröffentlicht: (2024)

A Simple and Effective $L_2$ Norm-Based Strategy for KV Cache Compression
von: Devoto, Alessio, et al.
Veröffentlicht: (2024)

PosterSum: A Multimodal Benchmark for Scientific Poster Summarization
von: Saxena, Rohit, et al.
Veröffentlicht: (2025)

Probing the Emergence of Cross-lingual Alignment during LLM Training
von: Wang, Hetong, et al.
Veröffentlicht: (2024)

Collaborative Multi-Agent Test-Time Reinforcement Learning for Reasoning
von: Hu, Zhiyuan, et al.
Veröffentlicht: (2026)

Strat-Reasoner: Reinforcing Strategic Reasoning of LLMs in Multi-Agent Games
von: He, Yidong, et al.
Veröffentlicht: (2026)

Process-Supervised Reinforcement Learning for Code Generation
von: Ye, Yufan, et al.
Veröffentlicht: (2025)

Closing Reasoning Gaps in Clinical Agents with Differential Reasoning Learning
von: Liu, Jinsong, et al.
Veröffentlicht: (2026)

DRAFT-RL: Multi-Agent Chain-of-Draft Reasoning for Reinforcement Learning-Enhanced LLMs
von: Li, Yuanhao, et al.
Veröffentlicht: (2025)

SuperRL: Reinforcement Learning with Supervision to Boost Language Model Reasoning
von: Liu, Yihao, et al.
Veröffentlicht: (2025)

SPARSEFIT: Few-shot Prompting with Sparse Fine-tuning for Jointly Generating Predictions and Natural Language Explanations
von: Solano, Jesus, et al.
Veröffentlicht: (2023)

FairBelief -- Assessing Harmful Beliefs in Language Models
von: Setzu, Mattia, et al.
Veröffentlicht: (2024)

Lost in Time: Clock and Calendar Understanding Challenges in Multimodal LLMs
von: Saxena, Rohit, et al.
Veröffentlicht: (2025)

A Policy-Driven Runtime Layer for Agentic LLM Serving
von: Zhang, Rui, et al.
Veröffentlicht: (2026)

Retaining Suboptimal Actions to Follow Shifting Optima in Multi-Agent Reinforcement Learning
von: Jo, Yonghyeon, et al.
Veröffentlicht: (2026)

Agents Require Metacognitive and Strategic Reasoning to Succeed in the Coming Labor Markets
von: Zhang, Simpson, et al.
Veröffentlicht: (2025)

A Multi-Agent Approach to Neurological Clinical Reasoning
von: Sorka, Moran, et al.
Veröffentlicht: (2025)

MarsRL: Advancing Multi-Agent Reasoning System via Reinforcement Learning with Agentic Pipeline Parallelism
von: Liu, Shulin, et al.
Veröffentlicht: (2025)

Concept Learning for Cooperative Multi-Agent Reinforcement Learning
von: Ge, Zhonghan, et al.
Veröffentlicht: (2025)

Supervised Reinforcement Learning: From Expert Trajectories to Step-wise Reasoning
von: Deng, Yihe, et al.
Veröffentlicht: (2025)

AgentsEval: Clinically Faithful Evaluation of Medical Imaging Reports via Multi-Agent Reasoning
von: Fu, Suzhong, et al.
Veröffentlicht: (2026)

On Centralized Critics in Multi-Agent Reinforcement Learning
von: Lyu, Xueguang, et al.
Veröffentlicht: (2024)

Process Reward Agents for Steering Knowledge-Intensive Reasoning
von: Sohn, Jiwoong, et al.
Veröffentlicht: (2026)

Beyond the Trade-off: Self-Supervised Reinforcement Learning for Reasoning Models' Instruction Following
von: Ren, Qingyu, et al.
Veröffentlicht: (2025)

Architecting Clinical Collaboration: Multi-Agent Reasoning Systems for Multimodal Medical VQA
von: Thakrar, Karishma, et al.
Veröffentlicht: (2025)