Buchumschlag

CAST: Non-Privileged Clipped Asymmetric Self-Teaching with Advantage Flipping for GRPO

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Yang, Xue, Gongle, Guo, Yijia, Yuan, Yuheng, Hu, Liwen, Ma, Lei
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

EDGE-GRPO: Entropy-Driven GRPO with Guided Error Correction for Advantage Diversity
von: Zhang, Xingjian, et al.
Veröffentlicht: (2025)

DIVA-GRPO: Enhancing Multimodal Reasoning through Difficulty-Adaptive Variant Advantage
von: Gao, Haowen, et al.
Veröffentlicht: (2026)

Negative Advantages Is a Double-Edged Sword: Calibrating advantages in GRPO for Search Agents
von: Wu, Jiayi, et al.
Veröffentlicht: (2026)

Adaptive-Boundary-Clipping GRPO: Ensuring Bounded Ratios for Stable and Generalizable Training
von: Liu, Chi, et al.
Veröffentlicht: (2026)

Privileged Self-Access Matters for Introspection in AI
von: Song, Siyuan, et al.
Veröffentlicht: (2025)

TreeGRPO: Tree-Advantage GRPO for Online RL Post-Training of Diffusion Models
von: Ding, Zheng, et al.
Veröffentlicht: (2025)

Unveiling Implicit Advantage Symmetry: Why GRPO Struggles with Exploration and Difficulty Adaptation
von: Yu, Zhiqi, et al.
Veröffentlicht: (2026)

Taming Extreme Tokens: Covariance-Aware GRPO with Gaussian-Kernel Advantage Reweighting
von: Wang, Cheng, et al.
Veröffentlicht: (2026)

FORTIS: Benchmarking Over-Privilege in Agent Skills
von: Li, Shawn, et al.
Veröffentlicht: (2026)

SEED-GRPO: Semantic Entropy Enhanced GRPO for Uncertainty-Aware Policy Optimization
von: Chen, Minghan, et al.
Veröffentlicht: (2025)

iGRPO: Self-Feedback-Driven LLM Reasoning
von: Hatamizadeh, Ali, et al.
Veröffentlicht: (2026)

MixGRPO: Unlocking Flow-based GRPO Efficiency with Mixed ODE-SDE
von: Li, Junzhe, et al.
Veröffentlicht: (2025)

Emergence: Overcoming Privileged Information Bias in Asymmetric Embodied Agents via Active Querying
von: Baek, Shaun, et al.
Veröffentlicht: (2025)

Progent: Securing AI Agents with Privilege Control
von: Shi, Tianneng, et al.
Veröffentlicht: (2025)

FlipAttack: Jailbreak LLMs via Flipping
von: Liu, Yue, et al.
Veröffentlicht: (2024)

AMIR-GRPO: Inducing Implicit Preference Signals into GRPO
von: Yari, Amir Hossein, et al.
Veröffentlicht: (2026)

Privileged Sensing Scaffolds Reinforcement Learning
von: Hu, Edward S., et al.
Veröffentlicht: (2024)

Multi-Agent Deep Research: Training Multi-Agent Systems with M-GRPO
von: Hong, Haoyang, et al.
Veröffentlicht: (2025)

Do Coding Agents Understand Least-Privilege Authorization?
von: Yan, Zheng, et al.
Veröffentlicht: (2026)

Asymmetric Advantage Modulation Calibrates Entropy Dynamics in RLVR
von: Gu, Hengrui, et al.
Veröffentlicht: (2026)

HDPO: Hybrid Distillation Policy Optimization via Privileged Self-Distillation
von: Ding, Ken
Veröffentlicht: (2026)

DCPO: Dynamic Clipping Policy Optimization
von: Yang, Shihui, et al.
Veröffentlicht: (2025)

Dialogue Model Optimization via Agent Game and Adaptive Tree-based GRPO
von: Peng, Kun, et al.
Veröffentlicht: (2026)

Skeleton-based Action Recognition with Non-linear Dependency Modeling and Hilbert-Schmidt Independence Criterion
von: Yang, Yuheng
Veröffentlicht: (2024)

DRUPI: Dataset Reduction Using Privileged Information
von: Wang, Shaobo, et al.
Veröffentlicht: (2024)

CAST: Achieving Stable LLM-based Text Analysis for Data Analytics
von: Xie, Jinxiang, et al.
Veröffentlicht: (2026)

PPO-Clip Attains Global Optimality: Towards Deeper Understandings of Clipping
von: Huang, Nai-Chieh, et al.
Veröffentlicht: (2023)

EvoFSM: Controllable Self-Evolution for Deep Research with Finite State Machines
von: Zhang, Shuo, et al.
Veröffentlicht: (2026)

HiCAST: Highly Customized Arbitrary Style Transfer with Adapter Enhanced Diffusion Models
von: Wang, Hanzhang, et al.
Veröffentlicht: (2024)

A Safe and Efficient Self-evolving Algorithm for Decision-making and Control of Autonomous Driving Systems
von: Yang, Shuo, et al.
Veröffentlicht: (2024)

CAST: Contrastive Adaptation and Distillation for Semi-Supervised Instance Segmentation
von: Taghavi, Pardis, et al.
Veröffentlicht: (2025)

Compiled Models, Built-In Exploits: Uncovering Pervasive Bit-Flip Attack Surfaces in DNN Executables
von: Chen, Yanzuo, et al.
Veröffentlicht: (2023)

VPWEM: Non-Markovian Visuomotor Policy with Working and Episodic Memory
von: Lei, Yuheng, et al.
Veröffentlicht: (2026)

MEML-GRPO: Heterogeneous Multi-Expert Mutual Learning for RLVR Advancement
von: Jia, Weitao, et al.
Veröffentlicht: (2025)

DiverseGRPO: Mitigating Mode Collapse in Image Generation via Diversity-Aware GRPO
von: Liu, Henglin, et al.
Veröffentlicht: (2025)

Signal Reshaping for GRPO in Weak-Feedback Agentic Code Repair
von: Li, Jia, et al.
Veröffentlicht: (2026)

Improving LLM-Generated Code Quality with GRPO
von: Robeyns, Maxime, et al.
Veröffentlicht: (2025)

PAPO: Stabilizing Rubric Integration Training via Decoupled Advantage Normalization
von: Tan, Zelin, et al.
Veröffentlicht: (2026)

What is the Alignment Objective of GRPO?
von: Vojnovic, Milan, et al.
Veröffentlicht: (2025)

Self-Guided Process Reward Optimization with Redefined Step-wise Advantage for Process Reinforcement Learning
von: Fei, Wu, et al.
Veröffentlicht: (2025)