Buchumschlag

Reason in Chains, Learn in Trees: Self-Rectification and Grafting for Multi-turn Agent Policy Optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Yu, Tang, Sizhe, Lan, Tian
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Metric-Gradient Projection for Stable Multi-Agent Policy Learning
von: Zhang, Zuyuan, et al.
Veröffentlicht: (2026)

Cochain Perspectives on Temporal-Difference Signals for Learning Beyond Markov Dynamics
von: Zhang, Zuyuan, et al.
Veröffentlicht: (2026)

TCOD: Exploring Temporal Curriculum in On-Policy Distillation for Multi-turn Autonomous Agents
von: Wang, Jiaqi, et al.
Veröffentlicht: (2026)

InSPO: Unlocking Intrinsic Self-Reflection for LLM Preference Optimization
von: Li, Yu, et al.
Veröffentlicht: (2025)

Annealing Self-Distillation Rectification Improves Adversarial Training
von: Wu, Yu-Yu, et al.
Veröffentlicht: (2023)

Offline Multi-Agent Reinforcement Learning via In-Sample Sequential Policy Optimization
von: Liu, Zongkai, et al.
Veröffentlicht: (2024)

AgentBoard: An Analytical Evaluation Board of Multi-turn LLM Agents
von: Ma, Chang, et al.
Veröffentlicht: (2024)

Geometric Manifold Rectification for Imbalanced Learning
von: Wang, Xubin, et al.
Veröffentlicht: (2026)

Regressing the Relative Future: Efficient Policy Optimization for Multi-turn RLHF
von: Gao, Zhaolin, et al.
Veröffentlicht: (2024)

Segment-Aligned Policy Optimization for Multi-Modal Reasoning
von: Gao, Lei, et al.
Veröffentlicht: (2026)

Imitation Learning for Multi-turn LM Agents via On-policy Expert Corrections
von: Lauffer, Niklas, et al.
Veröffentlicht: (2025)

FedSDR: Federated Self-Distillation with Rectification
von: Ren, Ziheng, et al.
Veröffentlicht: (2026)

Metis: Learning to Jailbreak LLMs via Self-Evolving Metacognitive Policy Optimization
von: Zhou, Huilin, et al.
Veröffentlicht: (2026)

Skill-SD: Skill-Conditioned Self-Distillation for Multi-turn LLM Agents
von: Wang, Hao, et al.
Veröffentlicht: (2026)

Scaling Graph Chain-of-Thought Reasoning: A Multi-Agent Framework with Efficient LLM Serving
von: Huan, Chengying, et al.
Veröffentlicht: (2025)

Efficient Rectification of Neuro-Symbolic Reasoning Inconsistencies by Abductive Reflection
von: Hu, Wen-Chao, et al.
Veröffentlicht: (2024)

Reference-guided Policy Optimization for Molecular Optimization via LLM Reasoning
von: Li, Xuan, et al.
Veröffentlicht: (2026)

Federation over Text: Insight Sharing for Multi-Agent Reasoning
von: Yao, Dixi, et al.
Veröffentlicht: (2026)

SEARL: Joint Optimization of Policy and Tool Graph Memory for Self-Evolving Agents
von: Feng, Xinshun, et al.
Veröffentlicht: (2026)

Agent Alpha: Tree Search Unifying Generation, Exploration and Evaluation for Computer-Use Agents
von: Tang, Sizhe, et al.
Veröffentlicht: (2026)

Improving Deep Reinforcement Learning by Reducing the Chain Effect of Value and Policy Churn
von: Tang, Hongyao, et al.
Veröffentlicht: (2024)

ERPO: Token-Level Entropy-Regulated Policy Optimization for Large Reasoning Models
von: Yu, Song, et al.
Veröffentlicht: (2026)

OPPO: Bayesian Value Recursion for Token-Level Credit Assignment in LLM Reasoning
von: Li, Yu, et al.
Veröffentlicht: (2026)

Learning to Clarify: Multi-turn Conversations with Action-Based Contrastive Self-Training
von: Chen, Maximillian, et al.
Veröffentlicht: (2024)

wd1: Weighted Policy Optimization for Reasoning in Diffusion Language Models
von: Tang, Xiaohang, et al.
Veröffentlicht: (2025)

Learning from Partial Chain-of-Thought via Truncated-Reasoning Self-Distillation
von: Silvestri, Gianluigi, et al.
Veröffentlicht: (2026)

MALinZero: Efficient Low-Dimensional Search for Mastering Complex Multi-Agent Planning
von: Tang, Sizhe, et al.
Veröffentlicht: (2025)

A Rectification-Based Approach for Distilling Boosted Trees into Decision Trees
von: Audemard, Gilles, et al.
Veröffentlicht: (2025)

PolicyEvol-Agent: Evolving Policy via Environment Perception and Self-Awareness with Theory of Mind
von: Yu, Yajie, et al.
Veröffentlicht: (2025)

TreeRPO: Tree Relative Policy Optimization
von: Yang, Zhicheng, et al.
Veröffentlicht: (2025)

Reinforcing Chain-of-Thought Reasoning with Self-Evolving Rubrics
von: Sheng, Leheng, et al.
Veröffentlicht: (2026)

Multi-Agent Reinforcement Learning for Unmanned Aerial Vehicle Coordination by Multi-Critic Policy Gradient Optimization
von: Alon, Yoav, et al.
Veröffentlicht: (2020)

ATPO: Adaptive Tree Policy Optimization for Multi-Turn Medical Dialogue
von: Cao, Ruike, et al.
Veröffentlicht: (2026)

LEPO: Latent Reasoning Policy Optimization for Large Language Models
von: Zhou, Yuyan, et al.
Veröffentlicht: (2026)

HISR: Hindsight Information Modulated Segmental Process Rewards For Multi-turn Agentic Reinforcement Learning
von: Lu, Zhicong, et al.
Veröffentlicht: (2026)

SPAR: Support-Preserving Action Rectification
von: Zhao, Jiaxin, et al.
Veröffentlicht: (2026)

FORLER: Federated Offline Reinforcement Learning with Q-Ensemble and Actor Rectification
von: Qiao, Nan, et al.
Veröffentlicht: (2026)

$K$-Level Policy Gradients for Multi-Agent Reinforcement Learning
von: Reddi, Aryaman, et al.
Veröffentlicht: (2025)

Policy Guided Tree Search for Enhanced LLM Reasoning
von: Li, Yang
Veröffentlicht: (2025)

DRPO: Efficient Reasoning via Decoupled Reward Policy Optimization
von: Li, Gang, et al.
Veröffentlicht: (2025)