Buchumschlag

SPS: Steering Probability Squeezing for Better Exploration in Reinforcement Learning for Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huo, Yifu, Wang, Chenglong, Zhu, Ziming, Xing, Shunjie, Feng, Peinan, Liu, Tongran, He, Qiaozhi, Zhou, Tianhua, Chang, Xiaojia, Zhu, Jingbo, Yu, Zhengtao, Xiao, Tong
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

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

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

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

MSRL: Scaling Generative Multimodal Reward Modeling via Multi-Stage Reinforcement Learning
von: Wang, Chenglong, et al.
Veröffentlicht: (2026)

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

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

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

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

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

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

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

Learning Evaluation Models from Large Language Models for Sequence Generation
von: Wang, Chenglong, et al.
Veröffentlicht: (2023)

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

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

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

EfficientGraph-RAG: Structured Retrieval-State Management for Cross-Task Retrieval-Augmented Generation
von: Niu, Miaohe, et al.
Veröffentlicht: (2026)

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

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

M-CIF: Multi-Scale Alignment For CIF-Based Non-Autoregressive ASR
von: Mao, Ruixiang, et al.
Veröffentlicht: (2025)

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

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

NiuTrans.LMT: Toward Inclusive and Scalable Multilingual Machine Translation with LLMs
von: Luo, Yingfeng, et al.
Veröffentlicht: (2025)

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

Beyond Decoder-only: Large Language Models Can be Good Encoders for Machine Translation
von: Luo, Yingfeng, et al.
Veröffentlicht: (2025)

FLEXI: Benchmarking Full-duplex Human-LLM Speech Interaction
von: Ge, Yuan, et al.
Veröffentlicht: (2025)

Attention2Probability: Attention-Driven Terminology Probability Estimation for Robust Speech-to-Text System
von: Du, Yanfan, et al.
Veröffentlicht: (2025)

One Size Does Not Fit All: A Distribution-Aware Sparsification for More Precise Model Merging
von: Luo, Yingfeng, et al.
Veröffentlicht: (2025)

RankPrompt: Step-by-Step Comparisons Make Language Models Better Reasoners
von: Hu, Chi, et al.
Veröffentlicht: (2024)

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

Striking Gold in Advertising: Standardization and Exploration of Ad Text Generation
von: Mita, Masato, et al.
Veröffentlicht: (2023)

Autoencoding-Free Context Compression for LLMs via Contextual Semantic Anchors
von: Liu, Xin, et al.
Veröffentlicht: (2025)

MTP-S2UT: Enhancing Speech-to-Speech Translation Quality with Multi-token Prediction
von: Wang, Jianjin, et al.
Veröffentlicht: (2025)

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

Training Tales: Steer Squeeze Training at the Nashville Zoo
von: Sproul, Kate
Veröffentlicht: (2016)

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

A Review of Electronic Early Warning Systems for Acute Kidney Injury
von: Xiangxiang Wang, et al.
Veröffentlicht: (2024)

Prognostic Value of Serum Cystatin C for Predicting Contrast‐Induced Nephropathy in Elderly Individuals Aged Over 80 Years
von: Xiangxiang Wang, et al.
Veröffentlicht: (2026)

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

Leveraging Unit Language Guidance to Advance Speech Modeling in Textless Speech-to-Speech Translation
von: Zhang, Yuhao, et al.
Veröffentlicht: (2025)