Fibration Policy Optimization
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Li, Chang, Tsu, Tshihao, Zhang, Yaren, Xue, Chao, He, Xiaodong |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Gradient-Adaptive Policy Optimization: Towards Multi-Objective Alignment of Large Language Models
par: Li, Chengao, et autres
Publié: (2025)
par: Li, Chengao, et autres
Publié: (2025)
RePO: Replay-Enhanced Policy Optimization
par: Li, Siheng, et autres
Publié: (2025)
par: Li, Siheng, et autres
Publié: (2025)
Group Sequence Policy Optimization
par: Zheng, Chujie, et autres
Publié: (2025)
par: Zheng, Chujie, et autres
Publié: (2025)
Optimizing Anytime Reasoning via Budget Relative Policy Optimization
par: Qi, Penghui, et autres
Publié: (2025)
par: Qi, Penghui, et autres
Publié: (2025)
Soft Adaptive Policy Optimization
par: Gao, Chang, et autres
Publié: (2025)
par: Gao, Chang, et autres
Publié: (2025)
Dataset Reset Policy Optimization for RLHF
par: Chang, Jonathan D., et autres
Publié: (2024)
par: Chang, Jonathan D., et autres
Publié: (2024)
COPO: Consistency-Aware Policy Optimization
par: Han, Jinghang, et autres
Publié: (2025)
par: Han, Jinghang, et autres
Publié: (2025)
Scaf-GRPO: Scaffolded Group Relative Policy Optimization for Enhancing LLM Reasoning
par: Zhang, Xichen, et autres
Publié: (2025)
par: Zhang, Xichen, et autres
Publié: (2025)
Causally-Enhanced Reinforcement Policy Optimization
par: Wang, Xiangqi, et autres
Publié: (2025)
par: Wang, Xiangqi, et autres
Publié: (2025)
Agentic Reinforced Policy Optimization
par: Dong, Guanting, et autres
Publié: (2025)
par: Dong, Guanting, et autres
Publié: (2025)
ReDit: Reward Dithering for Improved LLM Policy Optimization
par: Wei, Chenxing, et autres
Publié: (2025)
par: Wei, Chenxing, et autres
Publié: (2025)
Regressing the Relative Future: Efficient Policy Optimization for Multi-turn RLHF
par: Gao, Zhaolin, et autres
Publié: (2024)
par: Gao, Zhaolin, et autres
Publié: (2024)
Klear-Reasoner: Advancing Reasoning Capability via Gradient-Preserving Clipping Policy Optimization
par: Su, Zhenpeng, et autres
Publié: (2025)
par: Su, Zhenpeng, et autres
Publié: (2025)
EBPO: Empirical Bayes Shrinkage for Stabilizing Group-Relative Policy Optimization
par: Han, Kevin, et autres
Publié: (2026)
par: Han, Kevin, et autres
Publié: (2026)
Boundary-Guided Policy Optimization for Memory-efficient RL of Diffusion Large Language Models
par: Lin, Nianyi, et autres
Publié: (2025)
par: Lin, Nianyi, et autres
Publié: (2025)
ConfPO: Exploiting Policy Model Confidence for Critical Token Selection in Preference Optimization
par: Yoon, Hee Suk, et autres
Publié: (2025)
par: Yoon, Hee Suk, et autres
Publié: (2025)
CHESS: Optimizing LLM Inference via Channel-Wise Thresholding and Selective Sparsification
par: He, Junhui, et autres
Publié: (2024)
par: He, Junhui, et autres
Publié: (2024)
Agentic Policy Optimization via Instruction-Policy Co-Evolution
par: Zhou, Han, et autres
Publié: (2025)
par: Zhou, Han, et autres
Publié: (2025)
Adaptive Social Learning via Mode Policy Optimization for Language Agents
par: Wang, Minzheng, et autres
Publié: (2025)
par: Wang, Minzheng, et autres
Publié: (2025)
Stepwise Guided Policy Optimization: Coloring your Incorrect Reasoning in GRPO
par: Chen, Peter, et autres
Publié: (2025)
par: Chen, Peter, et autres
Publié: (2025)
BAPO: Stabilizing Off-Policy Reinforcement Learning for LLMs via Balanced Policy Optimization with Adaptive Clipping
par: Xi, Zhiheng, et autres
Publié: (2025)
par: Xi, Zhiheng, et autres
Publié: (2025)
CLIPO: Contrastive Learning in Policy Optimization Generalizes RLVR
par: Cui, Sijia, et autres
Publié: (2026)
par: Cui, Sijia, et autres
Publié: (2026)
DCPO: Dynamic Clipping Policy Optimization
par: Yang, Shihui, et autres
Publié: (2025)
par: Yang, Shihui, et autres
Publié: (2025)
HTPO: Towards Exploration-Exploitation Balanced Policy Optimization via Hierarchical Token-level Objective Control
par: Yao, Xincheng, et autres
Publié: (2026)
par: Yao, Xincheng, et autres
Publié: (2026)
AlignDistil: Token-Level Language Model Alignment as Adaptive Policy Distillation
par: Zhang, Songming, et autres
Publié: (2025)
par: Zhang, Songming, et autres
Publié: (2025)
STEP: Success-Rate-Aware Trajectory-Efficient Policy Optimization
par: Chen, Yuhan, et autres
Publié: (2025)
par: Chen, Yuhan, et autres
Publié: (2025)
Slow-Fast Policy Optimization: Reposition-Before-Update for LLM Reasoning
par: Wang, Ziyan, et autres
Publié: (2025)
par: Wang, Ziyan, et autres
Publié: (2025)
HAPO: Training Language Models to Reason Concisely via History-Aware Policy Optimization
par: Huang, Chengyu, et autres
Publié: (2025)
par: Huang, Chengyu, et autres
Publié: (2025)
DefSent+: Improving sentence embeddings of language models by projecting definition sentences into a quasi-isotropic or isotropic vector space of unlimited dictionary entries
par: Liu, Xiaodong
Publié: (2024)
par: Liu, Xiaodong
Publié: (2024)
BinaryPPO: Efficient Policy Optimization for Binary Classification
par: Pandey, Punya Syon, et autres
Publié: (2026)
par: Pandey, Punya Syon, et autres
Publié: (2026)
Stepwise Alignment for Constrained Language Model Policy Optimization
par: Wachi, Akifumi, et autres
Publié: (2024)
par: Wachi, Akifumi, et autres
Publié: (2024)
GDPO: Group reward-Decoupled Normalization Policy Optimization for Multi-reward RL Optimization
par: Liu, Shih-Yang, et autres
Publié: (2026)
par: Liu, Shih-Yang, et autres
Publié: (2026)
PORTool: Importance-Aware Policy Optimization with Rewarded Tree for Multi-Tool-Integrated Reasoning
par: Wu, Feijie, et autres
Publié: (2025)
par: Wu, Feijie, et autres
Publié: (2025)
Personalized Group Relative Policy Optimization for Heterogenous Preference Alignment
par: Wang, Jialu, et autres
Publié: (2026)
par: Wang, Jialu, et autres
Publié: (2026)
Beyond Uniform Credit: Causal Credit Assignment for Policy Optimization
par: Khandoga, Mykola, et autres
Publié: (2026)
par: Khandoga, Mykola, et autres
Publié: (2026)
EVPO: Explained Variance Policy Optimization for Adaptive Critic Utilization in LLM Post-Training
par: Pan, Chengjun, et autres
Publié: (2026)
par: Pan, Chengjun, et autres
Publié: (2026)
AlphaDPO: Adaptive Reward Margin for Direct Preference Optimization
par: Wu, Junkang, et autres
Publié: (2024)
par: Wu, Junkang, et autres
Publié: (2024)
MHPO: Modulated Hazard-aware Policy Optimization for Stable Reinforcement Learning
par: Wang, Hongjun, et autres
Publié: (2026)
par: Wang, Hongjun, et autres
Publié: (2026)
Pass@K Policy Optimization: Solving Harder Reinforcement Learning Problems
par: Walder, Christian, et autres
Publié: (2025)
par: Walder, Christian, et autres
Publié: (2025)
Tree-based Dialogue Reinforced Policy Optimization for Red-Teaming Attacks
par: Guo, Ruohao, et autres
Publié: (2025)
par: Guo, Ruohao, et autres
Publié: (2025)
Documents similaires
-
Gradient-Adaptive Policy Optimization: Towards Multi-Objective Alignment of Large Language Models
par: Li, Chengao, et autres
Publié: (2025) -
RePO: Replay-Enhanced Policy Optimization
par: Li, Siheng, et autres
Publié: (2025) -
Group Sequence Policy Optimization
par: Zheng, Chujie, et autres
Publié: (2025) -
Optimizing Anytime Reasoning via Budget Relative Policy Optimization
par: Qi, Penghui, et autres
Publié: (2025) -
Soft Adaptive Policy Optimization
par: Gao, Chang, et autres
Publié: (2025)