会员服务
EMAgnet: Parameter-Space EMA Regularization for Policy Gradient Self-Play in Large Games
Arxiv
0+阅读 · 6月22日
OpenSIR: Open-Ended Self-Improving Reasoner
Arxiv
0+阅读 · 6月19日
GARIP: A Running-Average Moving Reference for Last-Iterate Self-Play in Two-Player Zero-Sum Games
Arxiv
0+阅读 · 6月21日
Scaling Self-Play for End-to-End Driving
Arxiv
0+阅读 · 6月19日
Superhuman AI for Generals.io Using Self-Play Reinforcement Learning
Arxiv
0+阅读 · 6月22日
Human-like autonomy emerges from self-play and a pinch of human data
Arxiv
0+阅读 · 6月11日
Scaling Self-Play for End-to-End Driving
Arxiv
0+阅读 · 6月17日
The Attacker in the Mirror: Breaking Self-Consistency in Safety via Anchored Bipolicy Self-Play
Arxiv
0+阅读 · 5月8日
Learn from Your Mistakes: Tree-like Self-Play for Secure Code LLMs
Arxiv
0+阅读 · 6月2日
Offline Two-Player Zero-Sum Markov Games with KL Regularization
Arxiv
0+阅读 · 5月13日
Verifier-Backed Hard Problem Generation for Mathematical Reasoning
Arxiv
0+阅读 · 5月7日
Data-Augmented Game Starts for Accelerating Self-Play Exploration in Imperfect Information Games
Arxiv
0+阅读 · 5月14日
Conversation for Non-verifiable Learning: Self-Evolving LLMs through Meta-Evaluation
Arxiv
0+阅读 · 5月7日
Vocabulary Dropout for Curriculum Diversity in LLM Co-Evolution
Arxiv
0+阅读 · 4月28日
SPICE: Self-Play In Corpus Environments Improves Reasoning
SPICE: Self-Play In Corpus Environments Improves Reasoning
Arxiv
0+阅读 · 2025年10月28日
参考链接
微信扫码咨询专知VIP会员
Top