Copertina

$\boldsymbol{f}$-OPD: Stabilizing Long-Horizon On-Policy Distillation with Freshness-Aware Control

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Chen, Xianwei, Zhang, Shimin, Wu, Jibin
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Prune-OPD: Efficient and Reliable On-Policy Distillation for Long-Horizon Reasoning
di: Yang, Zhicheng, et al.
Pubblicazione: (2026)

OPD+: Rethinking the Advantage Design for On-Policy Distillation
di: Zhao, Hanyang, et al.
Pubblicazione: (2026)

Lightning OPD: Efficient Post-Training for Large Reasoning Models with Offline On-Policy Distillation
di: Wu, Yecheng, et al.
Pubblicazione: (2026)

ADWIN: Adaptive Windows for Horizon-Aware On-Policy Distillation
di: Liang, Kun, et al.
Pubblicazione: (2026)

MAD-OPD: Breaking the Ceiling in On-Policy Distillation via Multi-Agent Debate
di: Wang, Jianze, et al.
Pubblicazione: (2026)

DP-OPD: Differentially Private On-Policy Distillation for Language Models
di: Khadem, Fatemeh, et al.
Pubblicazione: (2026)

Vision-OPD: Learning to See Fine Details for Multimodal LLMs via On-Policy Self-Distillation
di: Yuan, Qianhao, et al.
Pubblicazione: (2026)

Hierarchy-of-Groups Policy Optimization for Long-Horizon Agentic Tasks
di: He, Shuo, et al.
Pubblicazione: (2026)

ProteinOPD: Towards Effective and Efficient Preference Alignment for Protein Design
di: Zhang, Yulin, et al.
Pubblicazione: (2026)

Decoupling KL and Trajectories: A Unified Perspective for SFT, DAgger, Offline RL, and OPD in LLM Distillation
di: Zhao, Anhao, et al.
Pubblicazione: (2026)

Learning to Ball: Composing Policies for Long-Horizon Basketball Moves
di: Xu, Pei, et al.
Pubblicazione: (2025)

Chain-of-Goals Hierarchical Policy for Long-Horizon Offline Goal-Conditioned RL
di: Choi, Jinwoo, et al.
Pubblicazione: (2026)

The Illusion of Certainty: Decoupling Capability and Calibration in On-Policy Distillation
di: Zhang, Jiaxin, et al.
Pubblicazione: (2026)

HINT-SD: Targeted Hindsight Self-Distillation for Long-Horizon Agents
di: Yeo, Woongyeng, et al.
Pubblicazione: (2026)

DiffusionRollout: Uncertainty-Aware Rollout Planning in Long-Horizon PDE Solving
di: Yoo, Seungwoo, et al.
Pubblicazione: (2026)

PolicyLong: Towards On-Policy Context Extension
di: Jia, Junlong, et al.
Pubblicazione: (2026)

ICA: Information-Aware Credit Assignment for Visually Grounded Long-Horizon Information-Seeking Agents
di: Pang, Cong, et al.
Pubblicazione: (2026)

HELM: Harness-Enhanced Long-horizon Memory for Vision-Language-Action Manipulation
di: Zeng, Zijian, et al.
Pubblicazione: (2026)

Interpretable Policy Distillation for Power Grid Topology Control
di: Dmitruka, Aleksandra, et al.
Pubblicazione: (2026)

Extreme Region Policy Distillation
di: Chen, Changyu, et al.
Pubblicazione: (2026)

LHAW: Controllable Underspecification for Long-Horizon Tasks
di: Pu, George, et al.
Pubblicazione: (2026)

On Training Large Language Models for Long-Horizon Tasks: An Empirical Study of Horizon Length
di: Kim, Sunghwan, et al.
Pubblicazione: (2026)

Stabilizing Off-Policy Training for Long-Horizon LLM Agent via Turn-Level Importance Sampling and Clipping-Triggered Normalization
di: Li, Chenliang, et al.
Pubblicazione: (2025)

Random Policy Enables In-Context Reinforcement Learning within Trust Horizons
di: Chen, Weiqin, et al.
Pubblicazione: (2024)

Proximal Policy Distillation
di: Spigler, Giacomo
Pubblicazione: (2024)

Reinforcement Learning for Long-Horizon Interactive LLM Agents
di: Chen, Kevin, et al.
Pubblicazione: (2025)

CONF-KV: Confidence-Aware KV Cache Eviction with Mixed-Precision Storage for Long-Horizon LLM
di: Li, Yubo, et al.
Pubblicazione: (2026)

LongCoT: Benchmarking Long-Horizon Chain-of-Thought Reasoning
di: Motwani, Sumeet Ramesh, et al.
Pubblicazione: (2026)

ReLaX: Reasoning with Latent Exploration for Large Reasoning Models
di: Zhang, Shimin, et al.
Pubblicazione: (2025)

Hierarchical Two-Stage Framework for Environment-Aware Long-Horizon Vessel Trajectory Prediction
di: Gnanavel, Ganeshaaraj, et al.
Pubblicazione: (2026)

Double Horizon Model-Based Policy Optimization
di: Kubo, Akihiro, et al.
Pubblicazione: (2025)

Hindsight Credit Assignment for Long-Horizon LLM Agents
di: Tan, Hui-Ze, et al.
Pubblicazione: (2026)

RLVMR: Reinforcement Learning with Verifiable Meta-Reasoning Rewards for Robust Long-Horizon Agents
di: Zhang, Zijing, et al.
Pubblicazione: (2025)

SkillTree: Explainable Skill-Based Deep Reinforcement Learning for Long-Horizon Control Tasks
di: Wen, Yongyan, et al.
Pubblicazione: (2024)

Intrinsic Credit Assignment for Long Horizon Interaction
di: Auzina, Ilze Amanda, et al.
Pubblicazione: (2026)

Calibration-Aware Policy Optimization for Reasoning LLMs
di: Wang, Ziqi, et al.
Pubblicazione: (2026)

AlignDistil: Token-Level Language Model Alignment as Adaptive Policy Distillation
di: Zhang, Songming, et al.
Pubblicazione: (2025)

Learning-Guided Rolling Horizon Optimization for Long-Horizon Flexible Job-Shop Scheduling
di: Li, Sirui, et al.
Pubblicazione: (2025)

PACED: Distillation and On-Policy Self-Distillation at the Frontier of Student Competence
di: Xu, Yuanda, et al.
Pubblicazione: (2026)

Embodiment-Aware Generalist Specialist Distillation for Unified Humanoid Whole-Body Control
di: Peng, Quanquan, et al.
Pubblicazione: (2026)