MAIGO: Mitigating Lost-in-Conversation with History-Cleaned On-Policy Self-Distillation
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Zheng, Haoyu, Zhu, Yun, Yuan, Shu, Chen, Shangming, Wang, Qing, Zhang, Wenqiao, Xiao, Jun, Zhuang, Yueting |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
PILOT: Planning via Internalized Latent Optimization Trajectories for Large Language Models
par: Zheng, Haoyu, et autres
Publié: (2026)
par: Zheng, Haoyu, et autres
Publié: (2026)
Bridging Local Details and Global Context in Text-Attributed Graphs
par: Wang, Yaoke, et autres
Publié: (2024)
par: Wang, Yaoke, et autres
Publié: (2024)
Fast Thinking for Large Language Models
par: Zheng, Haoyu, et autres
Publié: (2025)
par: Zheng, Haoyu, et autres
Publié: (2025)
Enhancing Post-Training Quantization via Future Activation Awareness
par: Lv, Zheqi, et autres
Publié: (2026)
par: Lv, Zheqi, et autres
Publié: (2026)
IDEAL: Leveraging Infinite and Dynamic Characterizations of Large Language Models for Query-focused Summarization
par: Cao, Jie, et autres
Publié: (2024)
par: Cao, Jie, et autres
Publié: (2024)
DuetRAG: Collaborative Retrieval-Augmented Generation
par: Jiao, Dian, et autres
Publié: (2024)
par: Jiao, Dian, et autres
Publié: (2024)
SimCT: Recovering Lost Supervision for Cross-Tokenizer On-Policy Distillation
par: Sun, Jie, et autres
Publié: (2026)
par: Sun, Jie, et autres
Publié: (2026)
Self-Distilled Agentic Reinforcement Learning
par: Lu, Zhengxi, et autres
Publié: (2026)
par: Lu, Zhengxi, et autres
Publié: (2026)
Meta-Reflection: A Feedback-Free Reflection Learning Framework
par: Wang, Yaoke, et autres
Publié: (2024)
par: Wang, Yaoke, et autres
Publié: (2024)
EchoDistill:Alignment Noisy-to-Clean Self-Distillation for Robust Audio LLMs
par: Lin, Liang, et autres
Publié: (2026)
par: Lin, Liang, et autres
Publié: (2026)
Graft: Integrating the Domain Knowledge via Efficient Parameter Synergy for MLLMs
par: Dai, Yang, et autres
Publié: (2025)
par: Dai, Yang, et autres
Publié: (2025)
Mitigating Lost in Multi-turn Conversation via Curriculum RL with Verifiable Accuracy and Abstention Rewards
par: Li, Ming, et autres
Publié: (2025)
par: Li, Ming, et autres
Publié: (2025)
MoA: Heterogeneous Mixture of Adapters for Parameter-Efficient Fine-Tuning of Large Language Models
par: Cao, Jie, et autres
Publié: (2025)
par: Cao, Jie, et autres
Publié: (2025)
History-Aware Conversational Dense Retrieval
par: Mo, Fengran, et autres
Publié: (2024)
par: Mo, Fengran, et autres
Publié: (2024)
Self-Contrast: Better Reflection Through Inconsistent Solving Perspectives
par: Zhang, Wenqi, et autres
Publié: (2024)
par: Zhang, Wenqi, et autres
Publié: (2024)
Self-Distilled Reasoner: On-Policy Self-Distillation for Large Language Models
par: Zhao, Siyan, et autres
Publié: (2026)
par: Zhao, Siyan, et autres
Publié: (2026)
Lost-in-the-Middle in Long-Text Generation: Synthetic Dataset, Evaluation Framework, and Mitigation
par: Zhang, Junhao, et autres
Publié: (2025)
par: Zhang, Junhao, et autres
Publié: (2025)
Milestone-Guided Policy Learning for Long-Horizon Language Agents
par: Wang, Zixuan, et autres
Publié: (2026)
par: Wang, Zixuan, et autres
Publié: (2026)
Hierarchical Budget Policy Optimization for Adaptive Reasoning
par: Lyu, Shangke, et autres
Publié: (2025)
par: Lyu, Shangke, et autres
Publié: (2025)
MT-OSC: Path for LLMs that Get Lost in Multi-Turn Conversation
par: Singh, Jyotika, et autres
Publié: (2026)
par: Singh, Jyotika, et autres
Publié: (2026)
Mitigating Lost-in-Retrieval Problems in Retrieval Augmented Multi-Hop Question Answering
par: Zhu, Rongzhi, et autres
Publié: (2025)
par: Zhu, Rongzhi, et autres
Publié: (2025)
Think Twice, Click Once: Enhancing GUI Grounding via Fast and Slow Systems
par: Tang, Fei, et autres
Publié: (2025)
par: Tang, Fei, et autres
Publié: (2025)
LAPO: Internalizing Reasoning Efficiency via Length-Adaptive Policy Optimization
par: Wu, Xingyu, et autres
Publié: (2025)
par: Wu, Xingyu, et autres
Publié: (2025)
Let LRMs Break Free from Overthinking via Self-Braking Tuning
par: Zhao, Haoran, et autres
Publié: (2025)
par: Zhao, Haoran, et autres
Publié: (2025)
Training with Harnesses: On-Policy Harness Self-Distillation for Complex Reasoning
par: Zhao, Zhengyang, et autres
Publié: (2026)
par: Zhao, Zhengyang, et autres
Publié: (2026)
Intent Mismatch Causes LLMs to Get Lost in Multi-Turn Conversation
par: Liu, Geng, et autres
Publié: (2026)
par: Liu, Geng, et autres
Publié: (2026)
Crosslingual On-Policy Self-Distillation for Multilingual Reasoning
par: Liu, Yihong, et autres
Publié: (2026)
par: Liu, Yihong, et autres
Publié: (2026)
PSC: Extending Context Window of Large Language Models via Phase Shift Calibration
par: Zhu, Wenqiao, et autres
Publié: (2025)
par: Zhu, Wenqiao, et autres
Publié: (2025)
Detection and Mitigation of Hallucination in Large Reasoning Models: A Mechanistic Perspective
par: Sun, Zhongxiang, et autres
Publié: (2025)
par: Sun, Zhongxiang, et autres
Publié: (2025)
CrossView Suite: Harnessing Cross-view Spatial Intelligence of MLLMs with Dataset, Model and Benchmark
par: Wang, Wei, et autres
Publié: (2026)
par: Wang, Wei, et autres
Publié: (2026)
LLMs Get Lost In Multi-Turn Conversation
par: Laban, Philippe, et autres
Publié: (2025)
par: Laban, Philippe, et autres
Publié: (2025)
Cognitive Policy-Driven LLM for Diagnosis and Intervention of Cognitive Distortions in Emotional Support Conversation
par: Zhong, Lin, et autres
Publié: (2026)
par: Zhong, Lin, et autres
Publié: (2026)
Native Parallel Reasoner: Reasoning in Parallelism via Self-Distilled Reinforcement Learning
par: Wu, Tong, et autres
Publié: (2025)
par: Wu, Tong, et autres
Publié: (2025)
Are Full Rollouts Necessary for On-Policy Distillation?
par: Zhang, Yaocheng, et autres
Publié: (2026)
par: Zhang, Yaocheng, et autres
Publié: (2026)
Towards Distillation-Resistant Large Language Models: An Information-Theoretic Perspective
par: Fang, Hao, et autres
Publié: (2026)
par: Fang, Hao, et autres
Publié: (2026)
OPSDL: On-Policy Self-Distillation for Long-Context Language Models
par: Zhang, Xinsen, et autres
Publié: (2026)
par: Zhang, Xinsen, et autres
Publié: (2026)
Chart-HQA: A Benchmark for Hypothetical Question Answering in Charts
par: Chen, Xiangnan, et autres
Publié: (2025)
par: Chen, Xiangnan, et autres
Publié: (2025)
VisualThink-VLA: Visual Intermediate Reasoning for Effective and Low-Latency Vision-Language-Action Policies
par: Gao, Mingjian, et autres
Publié: (2026)
par: Gao, Mingjian, et autres
Publié: (2026)
MathClean: A Benchmark for Synthetic Mathematical Data Cleaning
par: Liang, Hao, et autres
Publié: (2025)
par: Liang, Hao, et autres
Publié: (2025)
Internalize the Temperature: On-Policy Self-Distillation as Policy Reheater for Reinforcement Learning
par: Yang, Xuewei, et autres
Publié: (2026)
par: Yang, Xuewei, et autres
Publié: (2026)
Documents similaires
-
PILOT: Planning via Internalized Latent Optimization Trajectories for Large Language Models
par: Zheng, Haoyu, et autres
Publié: (2026) -
Bridging Local Details and Global Context in Text-Attributed Graphs
par: Wang, Yaoke, et autres
Publié: (2024) -
Fast Thinking for Large Language Models
par: Zheng, Haoyu, et autres
Publié: (2025) -
Enhancing Post-Training Quantization via Future Activation Awareness
par: Lv, Zheqi, et autres
Publié: (2026) -
IDEAL: Leveraging Infinite and Dynamic Characterizations of Large Language Models for Query-focused Summarization
par: Cao, Jie, et autres
Publié: (2024)