会员服务
A Comedy of Estimators: On KL Regularization in RL Training of LLMs
Arxiv
0+阅读 · 1月6日
Critic-Guided Reinforcement Unlearning in Text-to-Image Diffusion
Critic-Guided Reinforcement Unlearning in Text-to-Image Diffusion
Arxiv
0+阅读 · 1月6日
Taming the Tail: Stable LLM Reinforcement Learning via Dynamic Vocabulary Pruning
Arxiv
0+阅读 · 2025年12月28日
Trust Region Masking for Long-Horizon LLM Reinforcement Learning
Arxiv
0+阅读 · 2025年12月28日
A Comedy of Estimators: On KL Regularization in RL Training of LLMs
Arxiv
0+阅读 · 2025年12月26日
Periodic Asynchrony: An Effective Method for Accelerating Reinforcement Learning for Large Language Models
Arxiv
0+阅读 · 2025年12月26日
Data-regularized Reinforcement Learning for Diffusion Models at Scale
Arxiv
0+阅读 · 2025年12月24日
About Time: Model-free Reinforcement Learning with Timed Reward Machines
Arxiv
0+阅读 · 2025年12月19日
Federated Ensemble Model-based Reinforcement Learning in Edge Computing
Arxiv
0+阅读 · 2023年4月1日
Provably Efficient Causal Model-Based Reinforcement Learning for Systematic Generalization
Arxiv
0+阅读 · 2023年3月30日
参考链接
微信扫码咨询专知VIP会员
Top