Buchumschlag

Evaluating the relationship between regularity and learnability in recursive numeral systems using Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Silvi, Andrea, Prasertsom, Ponrawee, Culbertson, Jennifer, Dubhashi, Devdatt, Johansson, Moa, Smith, Kenny
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Recursive numeral systems are highly regular and easy to process
von: Prasertsom, Ponrawee, et al.
Veröffentlicht: (2025)

Learning Efficient Recursive Numeral Systems via Reinforcement Learning
von: Silvi, Andrea, et al.
Veröffentlicht: (2024)

PACE: Procedural Abstractions for Communicating Efficiently
von: Thomas, Jonathan D., et al.
Veröffentlicht: (2024)

Learning Approximate and Exact Numeral Systems via Reinforcement Learning
von: Carlsson, Emil, et al.
Veröffentlicht: (2021)

Cultural evolution via iterated learning and communication explains efficient color naming systems
von: Carlsson, Emil, et al.
Veröffentlicht: (2023)

Active Preference Learning for Ordering Items In- and Out-of-sample
von: Bergström, Herman, et al.
Veröffentlicht: (2024)

Pure Exploration in Bandits with Linear Constraints
von: Carlsson, Emil, et al.
Veröffentlicht: (2023)

FlashHead: Efficient Drop-In Replacement for the Classification Head in Language Model Inference
von: Tranheden, Wilhelm, et al.
Veröffentlicht: (2026)

Learning Contextual Runtime Monitors for Safe AI-Based Autonomy
von: Luque-Cerpa, Alejandro, et al.
Veröffentlicht: (2026)

Representations as Language: An Information-Theoretic Framework for Interpretability
von: Conklin, Henry, et al.
Veröffentlicht: (2024)

DeepMLF: Multimodal language model with learnable tokens for deep fusion in sentiment analysis
von: Georgiou, Efthymios, et al.
Veröffentlicht: (2025)

Vocabulary shapes cross-lingual variation of word-order learnability in language models
von: Martins, Jonas Mayer, et al.
Veröffentlicht: (2026)

Reasoning in Transformers -- Mitigating Spurious Correlations and Reasoning Shortcuts
von: Enström, Daniel, et al.
Veröffentlicht: (2024)

Fact Recall, Heuristics or Pure Guesswork? Precise Interpretations of Language Models for Fact Completion
von: Saynova, Denitsa, et al.
Veröffentlicht: (2024)

Twitch: Learning Abstractions for Equational Theorem Proving
von: Axelrod, Guy, et al.
Veröffentlicht: (2026)

The learnability of natural concepts
von: Igor Douven
Veröffentlicht: (2024)

Variational Quantum Optimization with Continuous Bandits
von: Wanner, Marc, et al.
Veröffentlicht: (2025)

Specify What? Enhancing Neural Specification Synthesis by Symbolic Methods
von: Granberry, George, et al.
Veröffentlicht: (2024)

Predicting Ground State Properties: Constant Sample Complexity and Deep Learning Algorithms
von: Wanner, Marc, et al.
Veröffentlicht: (2024)

Benchmarking Debiasing Methods for LLM-based Parameter Estimates
von: de Pieuchon, Nicolas Audinet, et al.
Veröffentlicht: (2025)

What Happens to a Dataset Transformed by a Projection-based Concept Removal Method?
von: Johansson, Richard
Veröffentlicht: (2024)

Identifying Non-Replicable Social Science Studies with Language Models
von: Saynova, Denitsa, et al.
Veröffentlicht: (2025)

On the Efficacy of Eviction Policy for Key-Value Constrained Generative Language Model Inference
von: Ren, Siyu, et al.
Veröffentlicht: (2024)

Sign of the Times: Evaluating the use of Large Language Models for Idiomaticity Detection
von: Phelps, Dylan, et al.
Veröffentlicht: (2024)

On the Military Applications of Large Language Models
von: Johansson, Satu, et al.
Veröffentlicht: (2025)

Encode, Think, Decode: Scaling test-time reasoning with recursive latent thoughts
von: Koishekenov, Yeskendir, et al.
Veröffentlicht: (2025)

T2I-Eval-R1: Reinforcement Learning-Driven Reasoning for Interpretable Text-to-Image Evaluation
von: Ma, Zi-Ao, et al.
Veröffentlicht: (2025)

A Comprehensive Survey on Reinforcement Learning-based Agentic Search: Foundations, Roles, Optimizations, Evaluations, and Applications
von: Lin, Minhua, et al.
Veröffentlicht: (2025)

On the Hidden Objective Biases of Group-based Reinforcement Learning
von: Fontana, Aleksandar, et al.
Veröffentlicht: (2026)

From Problem-Solving to Teaching Problem-Solving: Aligning LLMs with Pedagogy using Reinforcement Learning
von: Dinucu-Jianu, David, et al.
Veröffentlicht: (2025)

Backdoor defense, learnability and obfuscation
von: Christiano, Paul, et al.
Veröffentlicht: (2024)

Differentiable Evolutionary Reinforcement Learning
von: Cheng, Sitao, et al.
Veröffentlicht: (2025)

Bridging the Evaluation Gap: Leveraging Large Language Models for Topic Model Evaluation
von: Tan, Zhiyin, et al.
Veröffentlicht: (2025)

Demonstration Selection for In-Context Learning via Reinforcement Learning
von: Wang, Xubin, et al.
Veröffentlicht: (2024)

Can Large Language Models (or Humans) Disentangle Text?
von: de Pieuchon, Nicolas Audinet, et al.
Veröffentlicht: (2024)

PRL: Prompts from Reinforcement Learning
von: Batorski, Paweł, et al.
Veröffentlicht: (2025)

Discrete Prompt Compression with Reinforcement Learning
von: Jung, Hoyoun, et al.
Veröffentlicht: (2023)

Generating Leakage-Free Benchmarks for Robust RAG Evaluation
von: Liu, Jiayi, et al.
Veröffentlicht: (2026)

A Cognitive Evaluation Benchmark of Image Reasoning and Description for Large Vision-Language Models
von: Song, Xiujie, et al.
Veröffentlicht: (2024)

Automated Evaluation of Classroom Instructional Support with LLMs and BoWs: Connecting Global Predictions to Specific Feedback
von: Whitehill, Jacob, et al.
Veröffentlicht: (2023)