BASIS: Batchwise Advantage Estimation from Single-Rollout Information Sharing for LLM Reasoning
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Gong, Shijin, Xu, Erhan, Ye, Kai, Quinzan, Francesco, Livieri, Giulia, Shi, Chengchun |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Kernelized Advantage Estimation: From Nonparametric Statistics to LLM Reasoning
par: Gong, Shijin, et autres
Publié: (2026)
par: Gong, Shijin, et autres
Publié: (2026)
Doubly Robust Alignment for Large Language Models
par: Xu, Erhan, et autres
Publié: (2025)
par: Xu, Erhan, et autres
Publié: (2025)
Demystifying Group Relative Policy Optimization: Its Policy Gradient is a U-Statistic
par: Zhou, Hongyi, et autres
Publié: (2026)
par: Zhou, Hongyi, et autres
Publié: (2026)
Robust Reinforcement Learning from Human Feedback for Large Language Models Fine-Tuning
par: Ye, Kai, et autres
Publié: (2025)
par: Ye, Kai, et autres
Publié: (2025)
Learn-to-Distance: Distance Learning for Detecting LLM-Generated Text
par: Zhou, Hongyi, et autres
Publié: (2026)
par: Zhou, Hongyi, et autres
Publié: (2026)
Statistical Guarantees for Reasoning Probes on Looped Boolean Circuits
par: Kratsios, Anastasis, et autres
Publié: (2026)
par: Kratsios, Anastasis, et autres
Publié: (2026)
Designing Universal Causal Deep Learning Models: The Case of Infinite-Dimensional Dynamical Systems from Stochastic Analysis
par: Galimberti, Luca, et autres
Publié: (2022)
par: Galimberti, Luca, et autres
Publié: (2022)
Statistical Inference in Reinforcement Learning: A Selective Survey
par: Shi, Chengchun
Publié: (2025)
par: Shi, Chengchun
Publié: (2025)
Quantile Advantage Estimation: Stabilizing RLVR for LLM Reasoning
par: Wu, Junkang, et autres
Publié: (2025)
par: Wu, Junkang, et autres
Publié: (2025)
How to Allocate, How to Learn? Dynamic Rollout Allocation and Advantage Modulation for Policy Optimization
par: Fang, Yangyi, et autres
Publié: (2026)
par: Fang, Yangyi, et autres
Publié: (2026)
Learning Decision Policies with Instrumental Variables through Double Machine Learning
par: Shao, Daqian, et autres
Publié: (2024)
par: Shao, Daqian, et autres
Publié: (2024)
Detecting Changes in Causal Dependence with Kernels and Copulas
par: Gavioli-Akilagun, Shakeel, et autres
Publié: (2026)
par: Gavioli-Akilagun, Shakeel, et autres
Publié: (2026)
Not All Rollouts are Useful: Down-Sampling Rollouts in LLM Reinforcement Learning
par: Xu, Yixuan Even, et autres
Publié: (2025)
par: Xu, Yixuan Even, et autres
Publié: (2025)
Double Machine Learning for Conditional Moment Restrictions: IV Regression, Proximal Causal Learning and Beyond
par: Shao, Daqian, et autres
Publié: (2025)
par: Shao, Daqian, et autres
Publié: (2025)
Segmental Advantage Estimation: Enhancing PPO for Long-Context LLM Training
par: Gong, Xue, et autres
Publié: (2026)
par: Gong, Xue, et autres
Publié: (2026)
Pruning Cannot Hurt Robustness: Certified Trade-offs in Reinforcement Learning
par: Pedley, James, et autres
Publié: (2025)
par: Pedley, James, et autres
Publié: (2025)
Single-Rollout Hidden-State Dynamics for Training-Free RLVR Data Selection
par: Wu, Jianghao, et autres
Publié: (2026)
par: Wu, Jianghao, et autres
Publié: (2026)
Stable and Efficient Single-Rollout RL for Multimodal Reasoning
par: Liu, Rui, et autres
Publié: (2025)
par: Liu, Rui, et autres
Publié: (2025)
Controlling Transient Amplification Improves Long-horizon Rollouts
par: Pervez, Adeel, et autres
Publié: (2026)
par: Pervez, Adeel, et autres
Publié: (2026)
From Authors to Reviewers: Leveraging Rankings to Improve Peer Review
par: Wang, Weichen, et autres
Publié: (2025)
par: Wang, Weichen, et autres
Publié: (2025)
AI Alignment in Medical Imaging: Unveiling Hidden Biases Through Counterfactual Analysis
par: Ma, Haroui, et autres
Publié: (2025)
par: Ma, Haroui, et autres
Publié: (2025)
Double Machine Learning Based Structure Identification from Temporal Data
par: Angelis, Emmanouil, et autres
Publié: (2023)
par: Angelis, Emmanouil, et autres
Publié: (2023)
Learning Counterfactually Invariant Predictors
par: Quinzan, Francesco, et autres
Publié: (2022)
par: Quinzan, Francesco, et autres
Publié: (2022)
PEARL: Performance-Enhanced Aggregated Representation Learning
par: Li, Wenhui, et autres
Publié: (2025)
par: Li, Wenhui, et autres
Publié: (2025)
SHAPE: Stage-aware Hierarchical Advantage via Potential Estimation for LLM Reasoning
par: Ai, Zhengyang, et autres
Publié: (2026)
par: Ai, Zhengyang, et autres
Publié: (2026)
Detecting LLM-Generated Text with Performance Guarantees
par: Zhou, Hongyi, et autres
Publié: (2026)
par: Zhou, Hongyi, et autres
Publié: (2026)
Optimistic Model Rollouts for Pessimistic Offline Policy Optimization
par: Zhai, Yuanzhao, et autres
Publié: (2024)
par: Zhai, Yuanzhao, et autres
Publié: (2024)
Accelerating RL for LLM Reasoning with Optimal Advantage Regression
par: Brantley, Kianté, et autres
Publié: (2025)
par: Brantley, Kianté, et autres
Publié: (2025)
Reinforcement Learning from Human Feedback: A Statistical Perspective
par: Liu, Pangpang, et autres
Publié: (2026)
par: Liu, Pangpang, et autres
Publié: (2026)
Counterfactually Safe Reinforcement Learning
par: Li, Jingyi, et autres
Publié: (2026)
par: Li, Jingyi, et autres
Publié: (2026)
Dual Active Learning for Reinforcement Learning from Human Feedback
par: Liu, Pangpang, et autres
Publié: (2024)
par: Liu, Pangpang, et autres
Publié: (2024)
Act Only When It Pays: Efficient Reinforcement Learning for LLM Reasoning via Selective Rollouts
par: Zheng, Haizhong, et autres
Publié: (2025)
par: Zheng, Haizhong, et autres
Publié: (2025)
Deep Generative Demand Learning for Newsvendor and Pricing
par: Gong, Shijin, et autres
Publié: (2024)
par: Gong, Shijin, et autres
Publié: (2024)
Neural Aided Kalman Filtering for UAV State Estimation in Degraded Sensing Environments
par: Gupta, Akhil, et autres
Publié: (2026)
par: Gupta, Akhil, et autres
Publié: (2026)
Learning from one graph: transductive learning guarantees via the geometry of small random worlds
par: Detering, Nils, et autres
Publié: (2025)
par: Detering, Nils, et autres
Publié: (2025)
AAPO: Enhancing the Reasoning Capabilities of LLMs with Advantage Margin
par: Xiong, Jian, et autres
Publié: (2025)
par: Xiong, Jian, et autres
Publié: (2025)
Learning Perturbations to Extrapolate Your LLM
par: Cen, Zetai, et autres
Publié: (2026)
par: Cen, Zetai, et autres
Publié: (2026)
DualKV: Shared-Prompt Flash Attention for Efficient RL Training with Large Rollouts and Long Contexts
par: Gai, Jiading, et autres
Publié: (2026)
par: Gai, Jiading, et autres
Publié: (2026)
BREAD: Branched Rollouts from Expert Anchors Bridge SFT & RL for Reasoning
par: Zhang, Xuechen, et autres
Publié: (2025)
par: Zhang, Xuechen, et autres
Publié: (2025)
Representation Invariance and Allocation: When Subgroup Balance Matters
par: Alloula, Anissa, et autres
Publié: (2025)
par: Alloula, Anissa, et autres
Publié: (2025)
Documents similaires
-
Kernelized Advantage Estimation: From Nonparametric Statistics to LLM Reasoning
par: Gong, Shijin, et autres
Publié: (2026) -
Doubly Robust Alignment for Large Language Models
par: Xu, Erhan, et autres
Publié: (2025) -
Demystifying Group Relative Policy Optimization: Its Policy Gradient is a U-Statistic
par: Zhou, Hongyi, et autres
Publié: (2026) -
Robust Reinforcement Learning from Human Feedback for Large Language Models Fine-Tuning
par: Ye, Kai, et autres
Publié: (2025) -
Learn-to-Distance: Distance Learning for Detecting LLM-Generated Text
par: Zhou, Hongyi, et autres
Publié: (2026)