成为VIP会员查看完整内容
VIP会员码认证
首页
主题
会员
服务
注册
·
登录
模型强化学习
关注
5
综合
百科
VIP
热门
动态
论文
精华
WAM-RL: World-Action Model Reinforcement Learning with Reconstruction Rewards and Online Video SFT
Arxiv
0+阅读 · 6月16日
Deep Dense Exploration for LLM Reinforcement Learning via Pivot-Driven Resampling
Arxiv
0+阅读 · 6月12日
Rethinking the Trust Region in LLM Reinforcement Learning
Arxiv
0+阅读 · 6月12日
About Time: Model-free Reinforcement Learning with Timed Reward Machines
Arxiv
0+阅读 · 5月12日
Periodic Asynchrony: An On-Policy Approach for Accelerating LLM Reinforcement Learning
Arxiv
0+阅读 · 4月28日
SortedRL: Accelerating RL Training for LLMs through Online Length-Aware Scheduling
Arxiv
0+阅读 · 3月24日
Revisiting Entropy Regularization: Adaptive Coefficient Unlocks Its Potential for LLM Reinforcement Learning
Arxiv
0+阅读 · 4月17日
Middle-mile logistics through the lens of goal-conditioned reinforcement learning
Arxiv
0+阅读 · 5月4日
Policy Split: Incentivizing Dual-Mode Exploration in LLM Reinforcement with Dual-Mode Entropy Regularization
Arxiv
0+阅读 · 4月13日
From Reasoning to Agentic: Credit Assignment in Reinforcement Learning for Large Language Models
Arxiv
0+阅读 · 4月10日
Seer: Online Context Learning for Fast Synchronous LLM Reinforcement Learning
Arxiv
0+阅读 · 4月3日
Detecting Data Contamination from Reinforcement Learning Post-training for Large Language Models
Arxiv
0+阅读 · 3月18日
Controlling Fish Schools via Reinforcement Learning of Virtual Fish Movement
Arxiv
0+阅读 · 3月17日
Finite Difference Flow Optimization for RL Post-Training of Text-to-Image Models
Arxiv
0+阅读 · 3月13日
Trust Region Masking for Long-Horizon LLM Reinforcement Learning
Arxiv
0+阅读 · 2月27日
参考链接
提示
微信扫码
咨询专知VIP会员与技术项目合作
(加微信请备注: "专知")
微信扫码咨询专知VIP会员
Top