Buchumschlag

RewardHarness: Self-Evolving Agentic Post-Training

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Yuxuan, Du, Penghui, Li, Bo, Wei, Cong, Miao, Junwen, Zhang, Huaisong, Cai, Songcheng, Wang, Yubo, Jiang, Dongfu, Zhang, Yuyu, Nie, Ping, Chen, Wenhu, Yu, Changqian, Allen, Kelsey R.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence Computation and Language Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Watch Before You Answer: Learning from Visually Grounded Post-Training
von: Zhang, Yuxuan, et al.
Veröffentlicht: (2026)

ClawBench: Can AI Agents Complete Everyday Online Tasks?
von: Zhang, Yuxuan, et al.
Veröffentlicht: (2026)

EvolveCoder: Evolving Test Cases via Adversarial Verification for Code Reinforcement Learning
von: Ruan, Chi, et al.
Veröffentlicht: (2026)

Critique-Coder: Enhancing Coder Models by Critique Reinforcement Learning
von: Ruan, Chi, et al.
Veröffentlicht: (2025)

OpenResearcher: A Fully Open Pipeline for Long-Horizon Deep Research Trajectory Synthesis
von: Li, Zhuofeng, et al.
Veröffentlicht: (2026)

ScholarCopilot: Training Large Language Models for Academic Writing with Accurate Citations
von: Wang, Yubo, et al.
Veröffentlicht: (2025)

VIEScore: Towards Explainable Metrics for Conditional Image Synthesis Evaluation
von: Ku, Max, et al.
Veröffentlicht: (2023)

ACECODER: Acing Coder RL via Automated Test-Case Synthesis
von: Zeng, Huaye, et al.
Veröffentlicht: (2025)

EditReward: A Human-Aligned Reward Model for Instruction-Guided Image Editing
von: Wu, Keming, et al.
Veröffentlicht: (2025)

VerlTool: Towards Holistic Agentic Reinforcement Learning with Tool Use
von: Jiang, Dongfu, et al.
Veröffentlicht: (2025)

SciImpact: A Multi-Dimensional, Multi-Field Benchmark for Scientific Impact Prediction
von: Zhu, Hangxiao, et al.
Veröffentlicht: (2026)

SWE-QA-Pro: A Representative Benchmark and Scalable Training Recipe for Repository-Level Code Understanding
von: Cai, Songcheng, et al.
Veröffentlicht: (2026)

Unleashing the Reasoning Potential of Pre-trained LLMs by Critique Fine-Tuning on One Problem
von: Wang, Yubo, et al.
Veröffentlicht: (2025)

General-Reasoner: Advancing LLM Reasoning Across All Domains
von: Ma, Xueguang, et al.
Veröffentlicht: (2025)

MANTIS: Interleaved Multi-Image Instruction Tuning
von: Jiang, Dongfu, et al.
Veröffentlicht: (2024)

AgentIAD: Agentic Industrial Anomaly Detection via Adaptive Memory Augmentation
von: Miao, Junwen, et al.
Veröffentlicht: (2025)

Consolidating Rewarded Perturbations for LLM Post-Training
von: Zhang, Zheyu, et al.
Veröffentlicht: (2026)

TIGERScore: Towards Building Explainable Metric for All Text Generation Tasks
von: Jiang, Dongfu, et al.
Veröffentlicht: (2023)

Critique Fine-Tuning: Learning to Critique is More Effective than Learning to Imitate
von: Wang, Yubo, et al.
Veröffentlicht: (2025)

QuickVideo: Real-Time Long Video Understanding with System Algorithm Co-Design
von: Schneider, Benjamin, et al.
Veröffentlicht: (2025)

GraphDancer: Training LLMs to Explore and Reason over Graphs via Two-Stage Curriculum Post-Training
von: Bai, Yuyang, et al.
Veröffentlicht: (2026)

Augmenting Black-box LLMs with Medical Textbooks for Biomedical Question Answering
von: Wang, Yubo, et al.
Veröffentlicht: (2023)

Self-Evolved Reward Learning for LLMs
von: Huang, Chenghua, et al.
Veröffentlicht: (2024)

Training with Harnesses: On-Policy Harness Self-Distillation for Complex Reasoning
von: Zhao, Zhengyang, et al.
Veröffentlicht: (2026)

WildVision: Evaluating Vision-Language Models in the Wild with Human Preferences
von: Lu, Yujie, et al.
Veröffentlicht: (2024)

Context Forcing: Consistent Autoregressive Video Generation with Long Context
von: Chen, Shuo, et al.
Veröffentlicht: (2026)

Polar: Agentic RL on Any Harness at Scale
von: Xu, Binfeng, et al.
Veröffentlicht: (2026)

WebExplorer: Explore and Evolve for Training Long-Horizon Web Agents
von: Liu, Junteng, et al.
Veröffentlicht: (2025)

T2V-Turbo-v2: Enhancing Video Generation Model Post-Training through Data, Reward, and Conditional Guidance Design
von: Li, Jiachen, et al.
Veröffentlicht: (2024)

Adaptation of Agentic AI: A Survey of Post-Training, Memory, and Skills
von: Jiang, Pengcheng, et al.
Veröffentlicht: (2025)

Beyond Single-shot Writing: Deep Research Agents are Unreliable at Multi-turn Report Revision
von: Chen, Bingsen, et al.
Veröffentlicht: (2026)

EvoFlow: Evolving Diverse Agentic Workflows On The Fly
von: Zhang, Guibin, et al.
Veröffentlicht: (2025)

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

VisCoder2: Building Multi-Language Visualization Coding Agents
von: Ni, Yuansheng, et al.
Veröffentlicht: (2025)

MobEvolve: An Agentic Self-Evolving Heuristic System for Interpretable Human Mobility Generation
von: He, Junlin, et al.
Veröffentlicht: (2026)

R1-Reward: Training Multimodal Reward Model Through Stable Reinforcement Learning
von: Zhang, Yi-Fan, et al.
Veröffentlicht: (2025)

PEO: Improving Bi-Factorial Preference Alignment with Post-Training Policy Extrapolation
von: Liu, Yuxuan
Veröffentlicht: (2025)

Reward-SQL: Boosting Text-to-SQL via Stepwise Reasoning and Process-Supervised Rewards
von: Zhang, Yuxin, et al.
Veröffentlicht: (2025)

AceMath: Advancing Frontier Math Reasoning with Post-Training and Reward Modeling
von: Liu, Zihan, et al.
Veröffentlicht: (2024)

From Self-Evolving Synthetic Data to Verifiable-Reward RL: Post-Training Multi-turn Interactive Tool-Using Agents
von: Gao, Jiaxuan, et al.
Veröffentlicht: (2026)