Buchumschlag

StepPO: Step-Aligned Policy Optimization for Agentic Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Daoyu, Li, Qingchuan, Cheng, Mingyue, Ouyang, Jie, Yu, Shuo, Liu, Qi, Chen, Enhong
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Agent-R1: A Unified and Modular Framework for Agentic Reinforcement Learning
von: Cheng, Mingyue, et al.
Veröffentlicht: (2025)

Revisiting the Solution of Meta KDD Cup 2024: CRAG
von: Ouyang, Jie, et al.
Veröffentlicht: (2024)

Multi-Source Knowledge Pruning for Retrieval-Augmented Generation: A Benchmark and Empirical Study
von: Yu, Shuo, et al.
Veröffentlicht: (2024)

From Hypothesis to Premises: LLM-based Backward Logical Reasoning with Selective Symbolic Translation
von: Li, Qingchuan, et al.
Veröffentlicht: (2025)

A Survey on Knowledge-Oriented Retrieval-Augmented Generation
von: Cheng, Mingyue, et al.
Veröffentlicht: (2025)

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

Mind2Report: A Cognitive Deep Research Agent for Expert-Level Commercial Report Synthesis
von: Cheng, Mingyue, et al.
Veröffentlicht: (2026)

TableMind++: An Uncertainty-Aware Programmatic Agent for Tool-Augmented Table Reasoning
von: Cheng, Mingyue, et al.
Veröffentlicht: (2026)

MemWeaver: A Hierarchical Memory from Textual Interactive Behaviors for Personalized Generation
von: Yu, Shuo, et al.
Veröffentlicht: (2025)

PaperScout: An Autonomous Agent for Academic Paper Search with Process-Aware Sequence-Level Policy Optimization
von: Pan, Tingyue, et al.
Veröffentlicht: (2026)

Stop Rewarding Hallucinated Steps: Faithfulness-Aware Step-Level Reinforcement Learning for Small Reasoning Models
von: Nie, Shuo, et al.
Veröffentlicht: (2026)

AT$^2$PO: Agentic Turn-based Policy Optimization via Tree Search
von: Zong, Zefang, et al.
Veröffentlicht: (2026)

R3-RAG: Learning Step-by-Step Reasoning and Retrieval for LLMs via Reinforcement Learning
von: Li, Yuan, et al.
Veröffentlicht: (2025)

StepCodeReasoner: Aligning Code Reasoning with Stepwise Execution Traces via Reinforcement Learning
von: Wang, Hao, et al.
Veröffentlicht: (2026)

StepSearch: Igniting LLMs Search Ability via Step-Wise Proximal Policy Optimization
von: Wang, Ziliang, et al.
Veröffentlicht: (2025)

StepTool: Enhancing Multi-Step Tool Usage in LLMs via Step-Grained Reinforcement Learning
von: Yu, Yuanqing, et al.
Veröffentlicht: (2024)

Reinforcing Compositional Retrieval: Retrieving Step-by-Step for Composing Informative Contexts
von: Long, Quanyu, et al.
Veröffentlicht: (2025)

Building Autonomous GUI Navigation via Agentic-Q Estimation and Step-Wise Policy Optimization
von: Wang, Yibo, et al.
Veröffentlicht: (2026)

From Novice to Expert: LLM Agent Policy Optimization via Step-wise Reinforcement Learning
von: Deng, Zhirui, et al.
Veröffentlicht: (2024)

Let's Learn Step by Step: Enhancing In-Context Learning Ability with Curriculum Learning
von: Liu, Yinpeng, et al.
Veröffentlicht: (2024)

Verified Critical Step Optimization for LLM Agents
von: Li, Mukai, et al.
Veröffentlicht: (2026)

Are LLMs Stable Formal Logic Translators in Logical Reasoning Across Linguistically Diversified Texts?
von: Li, Qingchuan, et al.
Veröffentlicht: (2025)

Leveraging LLMs for Hypothetical Deduction in Logical Inference: A Neuro-Symbolic Approach
von: Li, Qingchuan, et al.
Veröffentlicht: (2024)

Agentic Reinforced Policy Optimization
von: Dong, Guanting, et al.
Veröffentlicht: (2025)

BranPO: Scalable Contrastive Branch Sampling for Long-Horizon Agentic Reinforcement Learning
von: Zhao, Yubao, et al.
Veröffentlicht: (2026)

FaithRL: Learning to Reason Faithfully through Step-Level Faithfulness Maximization
von: Gui, Runquan, et al.
Veröffentlicht: (2026)

Full-Step-DPO: Self-Supervised Preference Optimization with Step-wise Rewards for Mathematical Reasoning
von: Xu, Huimin, et al.
Veröffentlicht: (2025)

TableTime: Reformulating Time Series Classification as Training-Free Table Understanding with Large Language Models
von: Wang, Jiahao, et al.
Veröffentlicht: (2024)

Chain-of-Probe: Examining the Necessity and Accuracy of CoT Step-by-Step
von: Wang, Zezhong, et al.
Veröffentlicht: (2024)

AgenticRAGTracer: A Hop-Aware Benchmark for Diagnosing Multi-Step Retrieval Reasoning in Agentic RAG
von: You, Qijie, et al.
Veröffentlicht: (2026)

Every Step Evolves: Scaling Reinforcement Learning for Trillion-Scale Thinking Model
von: Ling Team, et al.
Veröffentlicht: (2025)

Supervised Reinforcement Learning: From Expert Trajectories to Step-wise Reasoning
von: Deng, Yihe, et al.
Veröffentlicht: (2025)

HiPO: Hybrid Policy Optimization for Dynamic Reasoning in LLMs
von: Deng, Ken, et al.
Veröffentlicht: (2025)

Iterative Nash Policy Optimization: Aligning LLMs with General Preferences via No-Regret Learning
von: Zhang, Yuheng, et al.
Veröffentlicht: (2024)

From Scores to Steps: Diagnosing and Improving LLM Performance in Evidence-Based Medical Calculations
von: Wang, Benlu, et al.
Veröffentlicht: (2025)

Can Language Models Learn to Skip Steps?
von: Liu, Tengxiao, et al.
Veröffentlicht: (2024)

Teaching LLMs for Step-Level Automatic Math Correction via Reinforcement Learning
von: Li, Junsong, et al.
Veröffentlicht: (2025)

StepCoder: Improve Code Generation with Reinforcement Learning from Compiler Feedback
von: Dou, Shihan, et al.
Veröffentlicht: (2024)

Watch Every Step! LLM Agent Learning via Iterative Step-Level Process Refinement
von: Xiong, Weimin, et al.
Veröffentlicht: (2024)

EMSEdit: Efficient Multi-Step Meta-Learning-based Model Editing
von: Li, Xiaopeng, et al.
Veröffentlicht: (2025)