Buchumschlag

MSRL: Scaling Generative Multimodal Reward Modeling via Multi-Stage Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Chenglong, Huo, Yifu, Gan, Yang, He, Qiaozhi, Meng, Qi, Li, Bei, Wang, Yan, Liu, Junfu, Zhou, Tianhua, Zhu, Jingbo, Xiao, Tong
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

GRAM: A Generative Foundation Reward Model for Reward Generalization
von: Wang, Chenglong, et al.
Veröffentlicht: (2025)

Probing Preference Representations: A Multi-Dimensional Evaluation and Analysis Method for Reward Models
von: Wang, Chenglong, et al.
Veröffentlicht: (2025)

SPS: Steering Probability Squeezing for Better Exploration in Reinforcement Learning for Large Language Models
von: Huo, Yifu, et al.
Veröffentlicht: (2026)

APR: Penalizing Structural Redundancy in Large Reasoning Models via Anchor-based Process Rewards
von: Chang, Kaiyan, et al.
Veröffentlicht: (2026)

SERM: Self-Evolving Relevance Model with Agent-Driven Learning from Massive Query Streams
von: Wang, Chenglong, et al.
Veröffentlicht: (2026)

RoVRM: A Robust Visual Reward Model Optimized via Auxiliary Textual Preference Data
von: Wang, Chenglong, et al.
Veröffentlicht: (2024)

LRHP: Learning Representations for Human Preferences via Preference Pairs
von: Wang, Chenglong, et al.
Veröffentlicht: (2024)

GRAM-R$^2$: Self-Training Generative Foundation Reward Models for Reward Reasoning
von: Wang, Chenglong, et al.
Veröffentlicht: (2025)

When Scaling Fails: Mitigating Audio Perception Decay of LALMs via Multi-Step Perception-Aware Reasoning
von: Mao, Ruixiang, et al.
Veröffentlicht: (2026)

Boosting Text-To-Image Generation via Multilingual Prompting in Large Multimodal Models
von: Mu, Yongyu, et al.
Veröffentlicht: (2025)

Prior Constraints-based Reward Model Training for Aligning Large Language Models
von: Zhou, Hang, et al.
Veröffentlicht: (2024)

MRO: Enhancing Reasoning in Diffusion Language Models via Multi-Reward Optimization
von: Wang, Chenglong, et al.
Veröffentlicht: (2025)

DaPT: A Dual-Path Framework for Multilingual Multi-hop Question Answering
von: Wang, Yilin, et al.
Veröffentlicht: (2026)

LaTeXTrans: Structured LaTeX Translation with Multi-Agent Coordination
von: Zhu, Ziming, et al.
Veröffentlicht: (2025)

Cross-layer Attention Sharing for Pre-trained Large Language Models
von: Mu, Yongyu, et al.
Veröffentlicht: (2024)

Hybrid Alignment Training for Large Language Models
von: Wang, Chenglong, et al.
Veröffentlicht: (2024)

HEAL: A Hypothesis-Based Preference-Aware Analysis Framework
von: Huo, Yifu, et al.
Veröffentlicht: (2025)

RewardMap: Tackling Sparse Rewards in Fine-grained Visual Reasoning via Multi-Stage Reinforcement Learning
von: Feng, Sicheng, et al.
Veröffentlicht: (2025)

MemoSight: Unifying Context Compression and Multi Token Prediction for Reasoning Acceleration
von: Liu, Xinyu, et al.
Veröffentlicht: (2026)

EIT: Enhanced Interactive Transformer
von: Zheng, Tong, et al.
Veröffentlicht: (2022)

RouteLMT: Learned Sample Routing for Hybrid LLM Translation Deployment
von: Luo, Yingfeng, et al.
Veröffentlicht: (2026)

Early Exit Is a Natural Capability in Transformer-based Models: An Empirical Study on Early Exit without Joint Optimization
von: Shan, Weiqiao, et al.
Veröffentlicht: (2024)

Reward Training Wheels: Adaptive Auxiliary Rewards for Robotics Reinforcement Learning
von: Wang, Linji, et al.
Veröffentlicht: (2025)

Exploring Scaling Laws for Local SGD in Large Language Model Training
von: He, Qiaozhi, et al.
Veröffentlicht: (2024)

Step-level Verifier-guided Hybrid Test-Time Scaling for Large Language Models
von: Chang, Kaiyan, et al.
Veröffentlicht: (2025)

Foundations of Large Language Models
von: Xiao, Tong, et al.
Veröffentlicht: (2025)

PartialFormer: Modeling Part Instead of Whole for Machine Translation
von: Zheng, Tong, et al.
Veröffentlicht: (2023)

Enhancing Kubernetes Automated Scheduling with Deep Learning and Reinforcement Techniques for Large-Scale Cloud Computing Optimization
von: Xu, Zheng, et al.
Veröffentlicht: (2024)

NDP: Next Distribution Prediction as a More Broad Target
von: Ruan, Junhao, et al.
Veröffentlicht: (2024)

Efficient Prompting Methods for Large Language Models: A Survey
von: Chang, Kaiyan, et al.
Veröffentlicht: (2024)

Dissecting Long-Chain-of-Thought Reasoning Models: An Empirical Study
von: Mu, Yongyu, et al.
Veröffentlicht: (2025)

UNEX-RL: Reinforcing Long-Term Rewards in Multi-Stage Recommender Systems with UNidirectional EXecution
von: Zhang, Gengrui, et al.
Veröffentlicht: (2024)

Efficient LLM Inference with Kcache
von: He, Qiaozhi, et al.
Veröffentlicht: (2024)

PSR: Scaling Multi-Subject Personalized Image Generation with Pairwise Subject-Consistency Rewards
von: Wang, Shulei, et al.
Veröffentlicht: (2025)

Multimodal Query Suggestion with Multi-Agent Reinforcement Learning from Human Feedback
von: Wang, Zheng, et al.
Veröffentlicht: (2024)

Thinking-Based Non-Thinking: Solving the Reward Hacking Problem in Training Hybrid Reasoning Models via Reinforcement Learning
von: Gan, Siyuan, et al.
Veröffentlicht: (2026)

Revealing the Parallel Multilingual Learning within Large Language Models
von: Mu, Yongyu, et al.
Veröffentlicht: (2024)

MUSS-TI: Multi-level Shuttle Scheduling for Large-Scale Entanglement Module Linked Trapped-Ion
von: Wu, Xian, et al.
Veröffentlicht: (2025)

Forgetting Curve: A Reliable Method for Evaluating Memorization Capability for Long-context Models
von: Liu, Xinyu, et al.
Veröffentlicht: (2024)

On the Emotion Understanding of Synthesized Speech
von: Ge, Yuan, et al.
Veröffentlicht: (2026)