Enregistré dans:
| Auteur principal: | Yao, Ying |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2604.03768 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
CoBA-RL: Capability-Oriented Budget Allocation for Reinforcement Learning in LLMs
par: Yao, Zhiyuan, et autres
Publié: (2026)
par: Yao, Zhiyuan, et autres
Publié: (2026)
reBandit: Random Effects based Online RL algorithm for Reducing Cannabis Use
par: Ghosh, Susobhan, et autres
Publié: (2024)
par: Ghosh, Susobhan, et autres
Publié: (2024)
Budgeting Counterfactual for Offline RL
par: Liu, Yao, et autres
Publié: (2023)
par: Liu, Yao, et autres
Publié: (2023)
Curiosity & Entropy Driven Unsupervised RL in Multiple Environments
par: Dewan, Shaurya, et autres
Publié: (2024)
par: Dewan, Shaurya, et autres
Publié: (2024)
Generalizable End-to-End Tool-Use RL with Synthetic CodeGym
par: Du, Weihua, et autres
Publié: (2025)
par: Du, Weihua, et autres
Publié: (2025)
Knapsack RL: Unlocking Exploration of LLMs via Optimizing Budget Allocation
par: Li, Ziniu, et autres
Publié: (2025)
par: Li, Ziniu, et autres
Publié: (2025)
DARA: Few-shot Budget Allocation in Online Advertising via In-Context Decision Making with RL-Finetuned LLMs
par: Song, Mingxuan, et autres
Publié: (2026)
par: Song, Mingxuan, et autres
Publié: (2026)
FBOS-RL: Feedback-Driven Bi-Objective Synergistic Reinforcement Learning
par: Zhang, Xikai, et autres
Publié: (2026)
par: Zhang, Xikai, et autres
Publié: (2026)
Critic-Driven Voronoi-Quantization for Distilling Deep RL Policies to Explainable Models
par: Deproost, Senne, et autres
Publié: (2026)
par: Deproost, Senne, et autres
Publié: (2026)
ShuttleEnv: An Interactive Data-Driven RL Environment for Badminton Strategy Modeling
par: Li, Ang, et autres
Publié: (2026)
par: Li, Ang, et autres
Publié: (2026)
APC-RL: Exceeding Data-Driven Behavior Priors with Adaptive Policy Composition
par: Rietz, Finn, et autres
Publié: (2026)
par: Rietz, Finn, et autres
Publié: (2026)
rePIRL: Learn PRM with Inverse RL for LLM Reasoning
par: Wu, Xian, et autres
Publié: (2026)
par: Wu, Xian, et autres
Publié: (2026)
CARE-RL: Capability-Aware Reinforcement Learning for Mitigating Cross-Domain Conflicts
par: Zhang, Rui, et autres
Publié: (2026)
par: Zhang, Rui, et autres
Publié: (2026)
Maximum Redundancy Pruning: A Principle-Driven Layerwise Sparsity Allocation for LLMs
par: Gao, Chang, et autres
Publié: (2025)
par: Gao, Chang, et autres
Publié: (2025)
RL$^3$: Boosting Meta Reinforcement Learning via RL inside RL$^2$
par: Bhatia, Abhinav, et autres
Publié: (2023)
par: Bhatia, Abhinav, et autres
Publié: (2023)
RL-MPCA: A Reinforcement Learning Based Multi-Phase Computation Allocation Approach for Recommender Systems
par: Zhou, Jiahong, et autres
Publié: (2023)
par: Zhou, Jiahong, et autres
Publié: (2023)
Policy Agnostic RL: Offline RL and Online RL Fine-Tuning of Any Class and Backbone
par: Mark, Max Sobol, et autres
Publié: (2024)
par: Mark, Max Sobol, et autres
Publié: (2024)
Edge-AI-Driven Learning-to-Rank for Decentralized Task Allocation in Circular Smart Manufacturing
par: Ghahramani, Mohammadhossein, et autres
Publié: (2026)
par: Ghahramani, Mohammadhossein, et autres
Publié: (2026)
Synthetic Data Generation & Multi-Step RL for Reasoning & Tool Use
par: Goldie, Anna, et autres
Publié: (2025)
par: Goldie, Anna, et autres
Publié: (2025)
Offline RL with Smooth OOD Generalization in Convex Hull and its Neighborhood
par: Yao, Qingmao, et autres
Publié: (2025)
par: Yao, Qingmao, et autres
Publié: (2025)
An Empirical Study on the Effectiveness of Incorporating Offline RL As Online RL Subroutines
par: Su, Jianhai, et autres
Publié: (2025)
par: Su, Jianhai, et autres
Publié: (2025)
Discovering Effective Policies for Land-Use Planning with Neuroevolution
par: Young, Daniel, et autres
Publié: (2023)
par: Young, Daniel, et autres
Publié: (2023)
A Sensitivity-Driven Expert Allocation Method in LoRA-MoE for Efficient Fine-Tuning
par: Xu, Junzhou, et autres
Publié: (2025)
par: Xu, Junzhou, et autres
Publié: (2025)
DiRL: An Efficient Post-Training Framework for Diffusion Language Models
par: Zhu, Ying, et autres
Publié: (2025)
par: Zhu, Ying, et autres
Publié: (2025)
GAMMA: Global Bit Allocation for Mixed-Precision Models under Arbitrary Budgets
par: Yao, Zhangyang, et autres
Publié: (2026)
par: Yao, Zhangyang, et autres
Publié: (2026)
RL in Name Only? Analyzing the Structural Assumptions in RL post-training for LLMs
par: Samineni, Soumya Rani, et autres
Publié: (2025)
par: Samineni, Soumya Rani, et autres
Publié: (2025)
Rethinking RL Evaluation: Can Benchmarks Truly Reveal Failures of RL Methods?
par: Chen, Zihan, et autres
Publié: (2025)
par: Chen, Zihan, et autres
Publié: (2025)
RL-STaR: Theoretical Analysis of Reinforcement Learning Frameworks for Self-Taught Reasoner
par: Chang, Fu-Chieh, et autres
Publié: (2024)
par: Chang, Fu-Chieh, et autres
Publié: (2024)
Mapping of Land Use and Land Cover (LULC) using EuroSAT and Transfer Learning
par: Kunwar, Suman, et autres
Publié: (2023)
par: Kunwar, Suman, et autres
Publié: (2023)
SortedRL: Accelerating RL Training for LLMs through Online Length-Aware Scheduling
par: Zhang, Yiqi, et autres
Publié: (2026)
par: Zhang, Yiqi, et autres
Publié: (2026)
Combining LLM decision and RL action selection to improve RL policy for adaptive interventions
par: Karine, Karine, et autres
Publié: (2025)
par: Karine, Karine, et autres
Publié: (2025)
Towards Improving Reward Design in RL: A Reward Alignment Metric for RL Practitioners
par: Muslimani, Calarina, et autres
Publié: (2025)
par: Muslimani, Calarina, et autres
Publié: (2025)
Performance Comparison of Deep RL Algorithms for Mixed Traffic Cooperative Lane-Changing
par: Yao, Xue, et autres
Publié: (2024)
par: Yao, Xue, et autres
Publié: (2024)
IntentRL: Training Proactive User-intent Agents for Open-ended Deep Research via Reinforcement Learning
par: Luo, Haohao, et autres
Publié: (2026)
par: Luo, Haohao, et autres
Publié: (2026)
Explaining RL Decisions with Trajectories
par: Deshmukh, Shripad Vilasrao, et autres
Publié: (2023)
par: Deshmukh, Shripad Vilasrao, et autres
Publié: (2023)
ArenaRL: Scaling RL for Open-Ended Agents via Tournament-based Relative Ranking
par: Zhang, Qiang, et autres
Publié: (2026)
par: Zhang, Qiang, et autres
Publié: (2026)
IsoCompute Playbook: Optimally Scaling Sampling Compute for LLM RL
par: Cheng, Zhoujun, et autres
Publié: (2026)
par: Cheng, Zhoujun, et autres
Publié: (2026)
VI-CuRL: Stabilizing Verifier-Independent RL Reasoning via Confidence-Guided Variance Reduction
par: Cai, Xin-Qiang, et autres
Publié: (2026)
par: Cai, Xin-Qiang, et autres
Publié: (2026)
When LLM Reward Design Fails: Diagnostic-Driven Refinement for Sparse Structured RL
par: Wang, Youting, et autres
Publié: (2026)
par: Wang, Youting, et autres
Publié: (2026)
Every Rollout Counts: Optimal Resource Allocation for Efficient Test-Time Scaling
par: Wang, Xinglin, et autres
Publié: (2025)
par: Wang, Xinglin, et autres
Publié: (2025)
Documents similaires
-
CoBA-RL: Capability-Oriented Budget Allocation for Reinforcement Learning in LLMs
par: Yao, Zhiyuan, et autres
Publié: (2026) -
reBandit: Random Effects based Online RL algorithm for Reducing Cannabis Use
par: Ghosh, Susobhan, et autres
Publié: (2024) -
Budgeting Counterfactual for Offline RL
par: Liu, Yao, et autres
Publié: (2023) -
Curiosity & Entropy Driven Unsupervised RL in Multiple Environments
par: Dewan, Shaurya, et autres
Publié: (2024) -
Generalizable End-to-End Tool-Use RL with Synthetic CodeGym
par: Du, Weihua, et autres
Publié: (2025)