Buchumschlag

HISR: Hindsight Information Modulated Segmental Process Rewards For Multi-turn Agentic Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lu, Zhicong, Lin, Zichuan, Jia, Wei, Tian, Changyuan, Ye, Deheng, Li, Peiguang, Jin, Li, Liu, Nayu, Xu, Guangluan, Feng, Wei
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Rectify Evaluation Preference: Improving LLMs' Critique on Math Reasoning via Perplexity-aware Reinforcement Learning
von: Tian, Changyuan, et al.
Veröffentlicht: (2025)

Faithful-MR1: Faithful Multimodal Reasoning via Anchoring and Reinforcing Visual Attention
von: Tian, Changyuan, et al.
Veröffentlicht: (2026)

ProAct: Agentic Lookahead in Interactive Environments
von: Yu, Yangbin, et al.
Veröffentlicht: (2026)

Utilizing and Calibrating Hindsight Process Rewards via Reinforcement with Mutual Information Self-Evaluation
von: Yao, Jiashu, et al.
Veröffentlicht: (2026)

Learning Versatile Skills with Curriculum Masking
von: Tang, Yao, et al.
Veröffentlicht: (2024)

MedSAM-Agent: Empowering Interactive Medical Image Segmentation with Multi-turn Agentic Reinforcement Learning
von: Liu, Shengyuan, et al.
Veröffentlicht: (2026)

Stabilizing Long-term Multi-turn Reinforcement Learning with Gated Rewards
von: Sun, Zetian, et al.
Veröffentlicht: (2025)

Human-Aware Robot Navigation via Reinforcement Learning with Hindsight Experience Replay and Curriculum Learning
von: Li, Keyu, et al.
Veröffentlicht: (2021)

Data Selection for Multi-turn Dialogue Instruction Tuning
von: Li, Bo, et al.
Veröffentlicht: (2026)

CausalMACE: Causality Empowered Multi-Agents in Minecraft Cooperative Tasks
von: Chai, Qi, et al.
Veröffentlicht: (2025)

Process vs. Outcome Reward: Which is Better for Agentic RAG Reinforcement Learning
von: Zhang, Wenlin, et al.
Veröffentlicht: (2025)

Hindsight-Anchored Policy Optimization: Turning Failure into Feedback in Sparse Reward Settings
von: Wu, Yuning, et al.
Veröffentlicht: (2026)

A Practitioner's Guide to Multi-turn Agentic Reinforcement Learning
von: Wang, Ruiyi, et al.
Veröffentlicht: (2025)

ES-Mem: Event Segmentation-Based Memory for Long-Term Dialogue Agents
von: Zou, Huhai, et al.
Veröffentlicht: (2026)

AdaptVision: Efficient Vision-Language Models via Adaptive Visual Acquisition
von: Lin, Zichuan, et al.
Veröffentlicht: (2025)

SeeNav-Agent: Enhancing Vision-Language Navigation with Visual Prompt and Step-Level Policy Optimization
von: Wang, Zhengcheng, et al.
Veröffentlicht: (2025)

HiRO-Nav: Hybrid ReasOning Enables Efficient Embodied Navigation
von: Zhao, He, et al.
Veröffentlicht: (2026)

H$^2$R: Hierarchical Hindsight Reflection for Multi-Task LLM Agents
von: Ye, Shicheng, et al.
Veröffentlicht: (2025)

COT: A Generative Approach for Hate Speech Counter-Narratives via Contrastive Optimal Transport
von: Zhang, Linhao, et al.
Veröffentlicht: (2024)

HyCoRA: Hyper-Contrastive Role-Adaptive Learning for Role-Playing
von: Yang, Shihao, et al.
Veröffentlicht: (2025)

GTR-Turbo: Merged Checkpoint is Secretly a Free Teacher for Agentic VLM Training
von: Wei, Tong, et al.
Veröffentlicht: (2025)

UI-Voyager: A Self-Evolving GUI Agent Learning via Failed Experience
von: Lin, Zichuan, et al.
Veröffentlicht: (2026)

Hindsight PRIORs for Reward Learning from Human Preferences
von: Verma, Mudit, et al.
Veröffentlicht: (2024)

PIPCFR: Pseudo-outcome Imputation with Post-treatment Variables for Individual Treatment Effect Estimation
von: Lin, Zichuan, et al.
Veröffentlicht: (2025)

MTIR-SQL: Multi-turn Tool-Integrated Reasoning Reinforcement Learning for Text-to-SQL
von: Xu, Zekun, et al.
Veröffentlicht: (2025)

Multi-agent In-context Coordination via Decentralized Memory Retrieval
von: Jiang, Tao, et al.
Veröffentlicht: (2025)

GTR: Guided Thought Reinforcement Prevents Thought Collapse in RL-based VLM Agent Training
von: Wei, Tong, et al.
Veröffentlicht: (2025)

ZipRL: Adaptive Multi-Turn Context Compression with Hindsight Response Replay
von: Hu, Zhexin, et al.
Veröffentlicht: (2026)

Revisiting Discrete Soft Actor-Critic
von: Zhou, Haibin, et al.
Veröffentlicht: (2022)

Enabling Option Learning in Sparse Rewards with Hindsight Experience Replay
von: Romio, Gabriel, et al.
Veröffentlicht: (2026)

Agentic Reinforcement Learning with Implicit Step Rewards
von: Liu, Xiaoqian, et al.
Veröffentlicht: (2025)

What and When to Distill: Selective Hindsight Distillation for Multi-Turn Agents
von: Li, Xiaozhe, et al.
Veröffentlicht: (2026)

RLAR: An Agentic Reward System for Multi-task Reinforcement Learning on Large Language Models
von: Feng, Andrew Zhuoer, et al.
Veröffentlicht: (2026)

Hindsight Preference Replay Improves Preference-Conditioned Multi-Objective Reinforcement Learning
von: Shianifar, Jonaid, et al.
Veröffentlicht: (2026)

AEM: Adaptive Entropy Modulation for Multi-Turn Agentic Reinforcement Learning
von: Zhao, Haotian, et al.
Veröffentlicht: (2026)

Debiased Model-based Representations for Sample-efficient Continuous Control
von: Lyu, Jiafei, et al.
Veröffentlicht: (2026)

Cross-Domain Offline Policy Adaptation via Selective Transition Correction
von: Yan, Mengbei, et al.
Veröffentlicht: (2026)

Hybrid Reward Normalization for Process-supervised Non-verifiable Agentic Tasks
von: Xu, Peiran, et al.
Veröffentlicht: (2025)

Verifiable Process Rewards for Agentic Reasoning
von: Yuan, Huining, et al.
Veröffentlicht: (2026)

Mitigating Lost in Multi-turn Conversation via Curriculum RL with Verifiable Accuracy and Abstention Rewards
von: Li, Ming, et al.
Veröffentlicht: (2025)