STRIDE: Learnable Stepwise Language Feedback for LLM Reasoning
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Zhang, Junjie, Ma, Guozheng, Liu, Shunyu, Hu, Zetian, Jing, Yongcheng, Lin, Ting-En, Li, Yongbin, Tao, Dacheng |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
A Survey of Direct Preference Optimization
par: Liu, Shunyu, et autres
Publié: (2025)
par: Liu, Shunyu, et autres
Publié: (2025)
CoVeR: Conformal Calibration for Versatile and Reliable Autoregressive Next-Token Prediction
par: Chen, Yuzhu, et autres
Publié: (2025)
par: Chen, Yuzhu, et autres
Publié: (2025)
A Simple "Motivation" Can Enhance Reinforcement Finetuning of Large Reasoning Models
par: Zhang, Junjie, et autres
Publié: (2025)
par: Zhang, Junjie, et autres
Publié: (2025)
Distillation Traps and Guards: A Calibration Knob for LLM Distillability
par: Zhan, Weixiao, et autres
Publié: (2026)
par: Zhan, Weixiao, et autres
Publié: (2026)
Step-KTO: Optimizing Mathematical Reasoning through Stepwise Binary Feedback
par: Lin, Yen-Ting, et autres
Publié: (2025)
par: Lin, Yen-Ting, et autres
Publié: (2025)
STRIDE: Automating Reward Design, Deep Reinforcement Learning Training and Feedback Optimization in Humanoid Robotics Locomotion
par: Wu, Zhenwei, et autres
Publié: (2025)
par: Wu, Zhenwei, et autres
Publié: (2025)
Partial Feedback Online Learning
par: Shao, Shihao, et autres
Publié: (2026)
par: Shao, Shihao, et autres
Publié: (2026)
What Makes Value Learning Efficient in Residual Reinforcement Learning?
par: Ma, Guozheng, et autres
Publié: (2026)
par: Ma, Guozheng, et autres
Publié: (2026)
Rethinking the Role of Dynamic Sparse Training for Scalable Deep Reinforcement Learning
par: Ma, Guozheng, et autres
Publié: (2025)
par: Ma, Guozheng, et autres
Publié: (2025)
R1-VL: Learning to Reason with Multimodal Large Language Models via Step-wise Group Relative Policy Optimization
par: Zhang, Jingyi, et autres
Publié: (2025)
par: Zhang, Jingyi, et autres
Publié: (2025)
Erasing Without Remembering: Implicit Knowledge Forgetting in Large Language Models
par: Wang, Huazheng, et autres
Publié: (2025)
par: Wang, Huazheng, et autres
Publié: (2025)
SPA-Cache: Singular Proxies for Adaptive Caching in Diffusion Language Models
par: Sun, Wenhao, et autres
Publié: (2026)
par: Sun, Wenhao, et autres
Publié: (2026)
LLM-PS: Empowering Large Language Models for Time Series Forecasting with Temporal Patterns and Semantics
par: Tang, Jialiang, et autres
Publié: (2025)
par: Tang, Jialiang, et autres
Publié: (2025)
HRP: High-Rank Preheating for Superior LoRA Initialization
par: Chen, Yuzhu, et autres
Publié: (2025)
par: Chen, Yuzhu, et autres
Publié: (2025)
Network Sparsity Unlocks the Scaling Potential of Deep Reinforcement Learning
par: Ma, Guozheng, et autres
Publié: (2025)
par: Ma, Guozheng, et autres
Publié: (2025)
Disentangled Representation Learning via Flow Matching
par: Chi, Jinjin, et autres
Publié: (2026)
par: Chi, Jinjin, et autres
Publié: (2026)
Masked Thought: Simply Masking Partial Reasoning Steps Can Improve Mathematical Reasoning Learning of Language Models
par: Chen, Changyu, et autres
Publié: (2024)
par: Chen, Changyu, et autres
Publié: (2024)
Supervised Optimism Correction: Be Confident When LLMs Are Sure
par: Zhang, Junjie, et autres
Publié: (2025)
par: Zhang, Junjie, et autres
Publié: (2025)
Mastering Massive Multi-Task Reinforcement Learning via Mixture-of-Expert Decision Transformer
par: Kong, Yilun, et autres
Publié: (2025)
par: Kong, Yilun, et autres
Publié: (2025)
Causal Concept Graphs in LLM Latent Space for Stepwise Reasoning
par: Meherab, Md Muntaqim, et autres
Publié: (2026)
par: Meherab, Md Muntaqim, et autres
Publié: (2026)
Multiclass Online Learnability under Bandit Feedback
par: Raman, Ananth, et autres
Publié: (2023)
par: Raman, Ananth, et autres
Publié: (2023)
Revisiting Plasticity in Visual Reinforcement Learning: Data, Modules and Training Stages
par: Ma, Guozheng, et autres
Publié: (2023)
par: Ma, Guozheng, et autres
Publié: (2023)
STRIDE: A Systematic Framework for Selecting AI Modalities -- Agentic AI, AI Assistants, or LLM Calls
par: Asthana, Shubhi, et autres
Publié: (2025)
par: Asthana, Shubhi, et autres
Publié: (2025)
RL with Learnable Textual Feedback: A Bilevel Approach
par: Singh, Utsav, et autres
Publié: (2026)
par: Singh, Utsav, et autres
Publié: (2026)
Graph-Augmented Reasoning: Evolving Step-by-Step Knowledge Graph Retrieval for LLM Reasoning
par: Wu, Wenjie, et autres
Publié: (2025)
par: Wu, Wenjie, et autres
Publié: (2025)
STRIDE: Structure and Embedding Distillation with Attention for Graph Neural Networks
par: Ahluwalia, Anshul, et autres
Publié: (2023)
par: Ahluwalia, Anshul, et autres
Publié: (2023)
JustLogic: A Comprehensive Benchmark for Evaluating Deductive Reasoning in Large Language Models
par: Chen, Michael K., et autres
Publié: (2025)
par: Chen, Michael K., et autres
Publié: (2025)
Stepwise Perplexity-Guided Refinement for Efficient Chain-of-Thought Reasoning in Large Language Models
par: Cui, Yingqian, et autres
Publié: (2025)
par: Cui, Yingqian, et autres
Publié: (2025)
Factorize to Generalize: Retrieval-Guided Invariant-Dynamic Decomposition for Time Series Forecasting
par: Chi, Jinjin, et autres
Publié: (2026)
par: Chi, Jinjin, et autres
Publié: (2026)
Stepwise Self-Consistent Mathematical Reasoning with Large Language Models
par: Zhao, Zilong, et autres
Publié: (2024)
par: Zhao, Zilong, et autres
Publié: (2024)
Intra-Trajectory Consistency for Reward Modeling
par: Zhou, Chaoyang, et autres
Publié: (2025)
par: Zhou, Chaoyang, et autres
Publié: (2025)
GraphLearner: Graph Node Clustering with Fully Learnable Augmentation
par: Yang, Xihong, et autres
Publié: (2022)
par: Yang, Xihong, et autres
Publié: (2022)
Cog-Rethinker: Hierarchical Metacognitive Reinforcement Learning for LLM Reasoning
par: Sun, Zexu, et autres
Publié: (2025)
par: Sun, Zexu, et autres
Publié: (2025)
Learning Multi-Agent Communication from Graph Modeling Perspective
par: Hu, Shengchao, et autres
Publié: (2024)
par: Hu, Shengchao, et autres
Publié: (2024)
Stepwise Penalization for Length-Efficient Chain-of-Thought Reasoning
par: Li, Xintong, et autres
Publié: (2026)
par: Li, Xintong, et autres
Publié: (2026)
STRIDE: Subset-Free Functional Decomposition for XAI in Tabular Settings
par: Ko, Chaeyun
Publié: (2025)
par: Ko, Chaeyun
Publié: (2025)
From Sparse Sensors to Continuous Fields: STRIDE for Spatiotemporal Reconstruction
par: Tong, Yanjie, et autres
Publié: (2026)
par: Tong, Yanjie, et autres
Publié: (2026)
No Free Lunch: Rethinking Internal Feedback for LLM Reasoning
par: Zhang, Yanzhi, et autres
Publié: (2025)
par: Zhang, Yanzhi, et autres
Publié: (2025)
STRIDE: Structured Lagrangian and Stochastic Residual Dynamics via Flow Matching
par: Kotecha, Prakrut, et autres
Publié: (2026)
par: Kotecha, Prakrut, et autres
Publié: (2026)
Fortify the Shortest Stave in Attention: Enhancing Context Awareness of Large Language Models for Effective Tool Use
par: Chen, Yuhan, et autres
Publié: (2023)
par: Chen, Yuhan, et autres
Publié: (2023)
Documents similaires
-
A Survey of Direct Preference Optimization
par: Liu, Shunyu, et autres
Publié: (2025) -
CoVeR: Conformal Calibration for Versatile and Reliable Autoregressive Next-Token Prediction
par: Chen, Yuzhu, et autres
Publié: (2025) -
A Simple "Motivation" Can Enhance Reinforcement Finetuning of Large Reasoning Models
par: Zhang, Junjie, et autres
Publié: (2025) -
Distillation Traps and Guards: A Calibration Knob for LLM Distillability
par: Zhan, Weixiao, et autres
Publié: (2026) -
Step-KTO: Optimizing Mathematical Reasoning through Stepwise Binary Feedback
par: Lin, Yen-Ting, et autres
Publié: (2025)