Variance-aware Reward Modeling with Anchor Guidance
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Fang, Shuxing, Han, Ruijian, Zhang, Liangyu, Zhou, Fan |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Learning Guarantee of Reward Modeling Using Deep Neural Networks
par: Luo, Yuanhang, et autres
Publié: (2025)
par: Luo, Yuanhang, et autres
Publié: (2025)
Two-way Deconfounder for Off-policy Evaluation in Causal Reinforcement Learning
par: Yu, Shuguang, et autres
Publié: (2024)
par: Yu, Shuguang, et autres
Publié: (2024)
Uncertainty-aware Reward Model: Teaching Reward Models to Know What is Unknown
par: Lou, Xingzhou, et autres
Publié: (2024)
par: Lou, Xingzhou, et autres
Publié: (2024)
Shrinking the Variance: Shrinkage Baselines for Reinforcement Learning with Verifiable Rewards
par: Zeng, Guanning, et autres
Publié: (2025)
par: Zeng, Guanning, et autres
Publié: (2025)
Mitigating Distribution Shift in Model-based Offline RL via Shifts-aware Reward Learning
par: Luo, Wang, et autres
Publié: (2024)
par: Luo, Wang, et autres
Publié: (2024)
Recent advances in the Bradley--Terry Model: theory, algorithms, and applications
par: Fang, Shuxing, et autres
Publié: (2026)
par: Fang, Shuxing, et autres
Publié: (2026)
Variance-Reduction Guidance: Sampling Trajectory Optimization for Diffusion Models
par: Xu, Shifeng, et autres
Publié: (2025)
par: Xu, Shifeng, et autres
Publié: (2025)
Uncertainty-aware Reward Design Process
par: Yang, Yang, et autres
Publié: (2025)
par: Yang, Yang, et autres
Publié: (2025)
VAE-Inf: A statistically interpretable generative paradigm for imbalanced classification
par: Wu, Hongfei, et autres
Publié: (2026)
par: Wu, Hongfei, et autres
Publié: (2026)
Statistical inference for pairwise comparison models
par: Han, Ruijian, et autres
Publié: (2024)
par: Han, Ruijian, et autres
Publié: (2024)
Uncertainty-aware Language Guidance for Concept Bottleneck Models
par: Li, Yangyi, et autres
Publié: (2026)
par: Li, Yangyi, et autres
Publié: (2026)
Online Knowledge Distillation with Reward Guidance
par: Jia, Chen
Publié: (2025)
par: Jia, Chen
Publié: (2025)
Adaptive Preference Optimization with Uncertainty-aware Utility Anchor
par: Wang, Xiaobo, et autres
Publié: (2025)
par: Wang, Xiaobo, et autres
Publié: (2025)
Precise Asymptotics and Refined Regret of Variance-Aware UCB
par: Fan, Yingying, et autres
Publié: (2024)
par: Fan, Yingying, et autres
Publié: (2024)
Statistical ranking with dynamic covariates
par: Dong, Pinjun, et autres
Publié: (2024)
par: Dong, Pinjun, et autres
Publié: (2024)
Deep Ranking with Heterogeneous Effects
par: Luo, Yuanhang, et autres
Publié: (2026)
par: Luo, Yuanhang, et autres
Publié: (2026)
Eliminating Inductive Bias in Reward Models with Information-Theoretic Guidance
par: Li, Zhuo, et autres
Publié: (2025)
par: Li, Zhuo, et autres
Publié: (2025)
Anchor-guided Hypergraph Condensation with Dual-level Discrimination
par: Li, Fan, et autres
Publié: (2026)
par: Li, Fan, et autres
Publié: (2026)
Planning-Augmented Sampling with Early Guidance for High-Reward Discovery
par: Zhu, Rui, et autres
Publié: (2025)
par: Zhu, Rui, et autres
Publié: (2025)
Conflict-Aware Additive Guidance for Flow Models under Compositional Rewards
par: Yu, Xuehui, et autres
Publié: (2026)
par: Yu, Xuehui, et autres
Publié: (2026)
Accelerating RLHF Training with Reward Variance Increase
par: Yang, Zonglin, et autres
Publié: (2025)
par: Yang, Zonglin, et autres
Publié: (2025)
Neural Variance-aware Dueling Bandits with Deep Representation and Shallow Exploration
par: Oh, Youngmin, et autres
Publié: (2025)
par: Oh, Youngmin, et autres
Publié: (2025)
Adaptive debiased SGD in high-dimensional GLMs with streaming data
par: Han, Ruijian, et autres
Publié: (2024)
par: Han, Ruijian, et autres
Publié: (2024)
Reward Weighted Classifier-Free Guidance as Policy Improvement in Autoregressive Models
par: Peysakhovich, Alexander, et autres
Publié: (2026)
par: Peysakhovich, Alexander, et autres
Publié: (2026)
Lookahead Sample Reward Guidance for Test-Time Scaling of Diffusion Models
par: Kim, Yeongmin, et autres
Publié: (2026)
par: Kim, Yeongmin, et autres
Publié: (2026)
Variance-Adaptive Muon: Accelerating LLM Pretraining with NSR-Modulated and Variance-Scaled Momentum
par: Li, Jingru, et autres
Publié: (2026)
par: Li, Jingru, et autres
Publié: (2026)
AnchorAttention: Difference-Aware Sparse Attention with Stripe Granularity
par: Zhang, Yu, et autres
Publié: (2025)
par: Zhang, Yu, et autres
Publié: (2025)
Weight Initialization and Variance Dynamics in Deep Neural Networks and Large Language Models
par: Han, Yankun
Publié: (2025)
par: Han, Yankun
Publié: (2025)
DMRL: Data- and Model-aware Reward Learning for Data Extraction
par: Wang, Zhiqiang, et autres
Publié: (2025)
par: Wang, Zhiqiang, et autres
Publié: (2025)
Discrete Guidance Matching: Exact Guidance for Discrete Flow Matching
par: Wan, Zhengyan, et autres
Publié: (2025)
par: Wan, Zhengyan, et autres
Publié: (2025)
Entropy Aware Reward Guidance for Diffusion Language Model Alignment
par: Tejaswi, Atula, et autres
Publié: (2026)
par: Tejaswi, Atula, et autres
Publié: (2026)
TagFog: Textual Anchor Guidance and Fake Outlier Generation for Visual Out-of-Distribution Detection
par: Chen, Jiankang, et autres
Publié: (2024)
par: Chen, Jiankang, et autres
Publié: (2024)
AdvAnchor: Enhancing Diffusion Model Unlearning with Adversarial Anchors
par: Zhao, Mengnan, et autres
Publié: (2024)
par: Zhao, Mengnan, et autres
Publié: (2024)
Scaling Reward Modeling without Human Supervision
par: Fan, Jingxuan, et autres
Publié: (2026)
par: Fan, Jingxuan, et autres
Publié: (2026)
Reward-aware Preference Optimization: A Unified Mathematical Framework for Model Alignment
par: Sun, Shengyang, et autres
Publié: (2025)
par: Sun, Shengyang, et autres
Publié: (2025)
Calibration-then-Calculation: A Variance Reduced Metric Framework in Deep Click-Through Rate Prediction Models
par: Fan, Yewen, et autres
Publié: (2024)
par: Fan, Yewen, et autres
Publié: (2024)
Model Merging with Functional Dual Anchors
par: Shi, Kexuan, et autres
Publié: (2025)
par: Shi, Kexuan, et autres
Publié: (2025)
Confidence-aware Reward Optimization for Fine-tuning Text-to-Image Models
par: Kim, Kyuyoung, et autres
Publié: (2024)
par: Kim, Kyuyoung, et autres
Publié: (2024)
Spectral Enhancement and Pseudo-Anchor Guidance for Infrared-Visible Person Re-Identification
par: Ge, Yiyuan, et autres
Publié: (2024)
par: Ge, Yiyuan, et autres
Publié: (2024)
Anchor-free Clustering based on Anchor Graph Factorization
par: Mei, Shikun, et autres
Publié: (2024)
par: Mei, Shikun, et autres
Publié: (2024)
Documents similaires
-
Learning Guarantee of Reward Modeling Using Deep Neural Networks
par: Luo, Yuanhang, et autres
Publié: (2025) -
Two-way Deconfounder for Off-policy Evaluation in Causal Reinforcement Learning
par: Yu, Shuguang, et autres
Publié: (2024) -
Uncertainty-aware Reward Model: Teaching Reward Models to Know What is Unknown
par: Lou, Xingzhou, et autres
Publié: (2024) -
Shrinking the Variance: Shrinkage Baselines for Reinforcement Learning with Verifiable Rewards
par: Zeng, Guanning, et autres
Publié: (2025) -
Mitigating Distribution Shift in Model-based Offline RL via Shifts-aware Reward Learning
par: Luo, Wang, et autres
Publié: (2024)