One-Way Policy Optimization for Self-Evolving LLMs
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Yang, Shuo, Lu, Jinda, Huang, Kexin, Ma, Chiyu, Wei, Shaohang, Liu, Yuyang, Wang, Guoyin, Zhou, Jingren, Yuan, Li |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Sparse but Critical: A Token-Level Analysis of Distributional Shifts in RLVR Fine-Tuning of LLMs
par: Meng, Haoming, et autres
Publié: (2026)
par: Meng, Haoming, et autres
Publié: (2026)
FIPO: Eliciting Deep Reasoning with Future-KL Influenced Policy Optimization
par: Ma, Chiyu, et autres
Publié: (2026)
par: Ma, Chiyu, et autres
Publié: (2026)
On the Direction of RLVR Updates for LLM Reasoning: Identification and Exploitation
par: Huang, Kexin, et autres
Publié: (2026)
par: Huang, Kexin, et autres
Publié: (2026)
Metis: Learning to Jailbreak LLMs via Self-Evolving Metacognitive Policy Optimization
par: Zhou, Huilin, et autres
Publié: (2026)
par: Zhou, Huilin, et autres
Publié: (2026)
EvoTool: Self-Evolving Tool-Use Policy Optimization in LLM Agents via Blame-Aware Mutation and Diversity-Aware Selection
par: Yang, Shuo, et autres
Publié: (2026)
par: Yang, Shuo, et autres
Publié: (2026)
NOTAM-Evolve: A Knowledge-Guided Self-Evolving Optimization Framework with LLMs for NOTAM Interpretation
par: Liu, Maoqi, et autres
Publié: (2025)
par: Liu, Maoqi, et autres
Publié: (2025)
Self-Evolved Reward Learning for LLMs
par: Huang, Chenghua, et autres
Publié: (2024)
par: Huang, Chenghua, et autres
Publié: (2024)
On-Policy RL Meets Off-Policy Experts: Harmonizing Supervised Fine-Tuning and Reinforcement Learning via Dynamic Weighting
par: Zhang, Wenhao, et autres
Publié: (2025)
par: Zhang, Wenhao, et autres
Publié: (2025)
Well Begun is Half Done: Low-resource Preference Alignment by Weak-to-Strong Decoding
par: Song, Feifan, et autres
Publié: (2025)
par: Song, Feifan, et autres
Publié: (2025)
Evidence-Augmented Policy Optimization with Reward Co-Evolution for Long-Context Reasoning
par: Guan, Xin, et autres
Publié: (2026)
par: Guan, Xin, et autres
Publié: (2026)
SEARL: Joint Optimization of Policy and Tool Graph Memory for Self-Evolving Agents
par: Feng, Xinshun, et autres
Publié: (2026)
par: Feng, Xinshun, et autres
Publié: (2026)
PolicyEvolve: Evolving Programmatic Policies by LLMs for multi-player games via Population-Based Training
par: Lv, Mingrui, et autres
Publié: (2025)
par: Lv, Mingrui, et autres
Publié: (2025)
An Expert is Worth One Token: Synergizing Multiple Expert LLMs as Generalist via Expert Token Routing
par: Chai, Ziwei, et autres
Publié: (2024)
par: Chai, Ziwei, et autres
Publié: (2024)
APEX: Autonomous Policy Exploration for Self-Evolving LLM Agents
par: Li, Yibo, et autres
Publié: (2026)
par: Li, Yibo, et autres
Publié: (2026)
R-LoRA: Randomized Multi-Head LoRA for Efficient Multi-Task Learning
par: Liu, Jinda, et autres
Publié: (2025)
par: Liu, Jinda, et autres
Publié: (2025)
Self-Evolving LLMs via Continual Instruction Tuning
par: Kang, Jiazheng, et autres
Publié: (2025)
par: Kang, Jiazheng, et autres
Publié: (2025)
Conversation for Non-verifiable Learning: Self-Evolving LLMs through Meta-Evaluation
par: Sui, Yuan, et autres
Publié: (2026)
par: Sui, Yuan, et autres
Publié: (2026)
Soft Adaptive Policy Optimization
par: Gao, Chang, et autres
Publié: (2025)
par: Gao, Chang, et autres
Publié: (2025)
DelvePO: Direction-Guided Self-Evolving Framework for Flexible Prompt Optimization
par: Tao, Tao, et autres
Publié: (2025)
par: Tao, Tao, et autres
Publié: (2025)
Unified Parameter-Efficient Unlearning for LLMs
par: Ding, Chenlu, et autres
Publié: (2024)
par: Ding, Chenlu, et autres
Publié: (2024)
Adaptive Collaboration with Humans: Metacognitive Policy Optimization for Multi-Agent LLMs with Continual Learning
par: Yang, Wei, et autres
Publié: (2026)
par: Yang, Wei, et autres
Publié: (2026)
Policy Gradient for Robust Markov Decision Processes
par: Wang, Qiuhao, et autres
Publié: (2024)
par: Wang, Qiuhao, et autres
Publié: (2024)
Distilling Text Style Transfer With Self-Explanation From LLMs
par: Zhang, Chiyu, et autres
Publié: (2024)
par: Zhang, Chiyu, et autres
Publié: (2024)
Group Sequence Policy Optimization
par: Zheng, Chujie, et autres
Publié: (2025)
par: Zheng, Chujie, et autres
Publié: (2025)
Industrial Surface Defect Detection via Diffusion Generation and Asymmetric Student-Teacher Network
par: Feng, Shuo, et autres
Publié: (2026)
par: Feng, Shuo, et autres
Publié: (2026)
AgentEvolver: Towards Efficient Self-Evolving Agent System
par: Zhai, Yunpeng, et autres
Publié: (2025)
par: Zhai, Yunpeng, et autres
Publié: (2025)
ACE: Self-Evolving LLM Coding Framework via Adversarial Unit Test Generation and Preference Optimization
par: Huang, Yixu, et autres
Publié: (2026)
par: Huang, Yixu, et autres
Publié: (2026)
Guided Self-Evolving LLMs with Minimal Human Supervision
par: Yu, Wenhao, et autres
Publié: (2025)
par: Yu, Wenhao, et autres
Publié: (2025)
LLMs for High-Frequency Decision-Making: Normalized Action Reward-Guided Consistency Policy Optimization
par: Zhao, Yang, et autres
Publié: (2026)
par: Zhao, Yang, et autres
Publié: (2026)
Zombie Agents: Persistent Control of Self-Evolving LLM Agents via Self-Reinforcing Injections
par: Yang, Xianglin, et autres
Publié: (2026)
par: Yang, Xianglin, et autres
Publié: (2026)
Align, Don't Divide: Revisiting the LoRA Architecture in Multi-Task Learning
par: Liu, Jinda, et autres
Publié: (2025)
par: Liu, Jinda, et autres
Publié: (2025)
SkillOpt: Executive Strategy for Self-Evolving Agent Skills
par: Yang, Yifan, et autres
Publié: (2026)
par: Yang, Yifan, et autres
Publié: (2026)
CODESKILL: Learning Self-Evolving Skills for Coding Agents
par: Li, Yanzhou, et autres
Publié: (2026)
par: Li, Yanzhou, et autres
Publié: (2026)
MobEvolve: An Agentic Self-Evolving Heuristic System for Interpretable Human Mobility Generation
par: He, Junlin, et autres
Publié: (2026)
par: He, Junlin, et autres
Publié: (2026)
Agent-Pro: Learning to Evolve via Policy-Level Reflection and Optimization
par: Zhang, Wenqi, et autres
Publié: (2024)
par: Zhang, Wenqi, et autres
Publié: (2024)
Evolving-RL: End-to-End Optimization of Experience-Driven Self-Evolving Capability within Agents
par: Fan, Zhiyuan, et autres
Publié: (2026)
par: Fan, Zhiyuan, et autres
Publié: (2026)
Position: Agentic Evolution is the Path to Evolving LLMs
par: Lin, Minhua, et autres
Publié: (2026)
par: Lin, Minhua, et autres
Publié: (2026)
SetPO: Set-Level Policy Optimization for Diversity-Preserving LLM Reasoning
par: Li, Chenyi, et autres
Publié: (2026)
par: Li, Chenyi, et autres
Publié: (2026)
Way to Specialist: Closing Loop Between Specialized LLM and Evolving Domain Knowledge Graph
par: Zhang, Yutong, et autres
Publié: (2024)
par: Zhang, Yutong, et autres
Publié: (2024)
Meta-Evolve: Continuous Robot Evolution for One-to-many Policy Transfer
par: Liu, Xingyu, et autres
Publié: (2024)
par: Liu, Xingyu, et autres
Publié: (2024)
Documents similaires
-
Sparse but Critical: A Token-Level Analysis of Distributional Shifts in RLVR Fine-Tuning of LLMs
par: Meng, Haoming, et autres
Publié: (2026) -
FIPO: Eliciting Deep Reasoning with Future-KL Influenced Policy Optimization
par: Ma, Chiyu, et autres
Publié: (2026) -
On the Direction of RLVR Updates for LLM Reasoning: Identification and Exploitation
par: Huang, Kexin, et autres
Publié: (2026) -
Metis: Learning to Jailbreak LLMs via Self-Evolving Metacognitive Policy Optimization
par: Zhou, Huilin, et autres
Publié: (2026) -
EvoTool: Self-Evolving Tool-Use Policy Optimization in LLM Agents via Blame-Aware Mutation and Diversity-Aware Selection
par: Yang, Shuo, et autres
Publié: (2026)