会员服务
AttnSR: Attention Step Reward for Long-Horizon Agentic RL
Arxiv
0+阅读 · 11月5日
NeMo-DCR: Bit-Exact Delta-Compressed Refit for Scalable Agentic RL at Trillion-Parameter Scale
Arxiv
0+阅读 · 10月31日
Cyclical Entropy Eruption: Entropy Dynamics in Agent Reinforcement Learning
Arxiv
0+阅读 · 10月29日
PerceptRL: Making Visual Perception Rewardable in MLLMs from Answers to Interactions
Arxiv
0+阅读 · 10月27日
HARTS: A Prefix-Sharing Training System for Agentic RL with Hybrid-Attention Models
Arxiv
0+阅读 · 10月26日
SpatialCLI: Learning to Reason With Spatial Tools, Then Without Them
Arxiv
0+阅读 · 10月26日
Self-Credit: Credit Assignment for Long-Horizon Agentic RL via Intra-group Rescaling
Arxiv
0+阅读 · 10月20日
Distill Until Divergence: Error-Truncated Hindsight Distillation for Agentic RL
Arxiv
0+阅读 · 10月16日
Lean4AgenticRL: Advancing Agentic RL with Verifiable Multi-level Process Rewards
Arxiv
0+阅读 · 10月15日
LoongSage: A Production-Grade, High-Efficiency Agentic RL Framework for Frontier LLMs with Validated Recipes
Arxiv
0+阅读 · 10月16日
Mosaic: Multi-Session Agentic Reinforcement Learning
Arxiv
0+阅读 · 10月15日
Verifier-Grounded Agentic RL for Provably Correct Code
Arxiv
0+阅读 · 10月13日
A Production-Grade, High-Efficiency Agentic RL Framework for Frontier LLMs with Validated Recipes
Arxiv
0+阅读 · 10月12日
Prorsa: Unleashing the Potential of Prefill-Decode Disaggregation in Agentic Reinforcement Learning
Arxiv
0+阅读 · 10月12日
Reward-rate Policy Gradient for Efficient Machine Learning Engineering Agents
Arxiv
0+阅读 · 9月28日
参考链接
微信扫码咨询专知VIP会员
Top