会员服务
STAR: SpatioTemporal Adaptive Reward Allocation for Text-to-Image RL Post-Training
Arxiv
0+阅读 · 6月16日
Learning task-specific subspaces via interventional post-training of speech foundation models
Arxiv
0+阅读 · 6月16日
See First, Answer Later: Visual Evidence Pre-Alignment via Sufficiency-Driven RL
Arxiv
0+阅读 · 6月16日
ROVE: Unlocking Human Interventions for Humanoid Manipulation via Reinforcement Learning
Arxiv
0+阅读 · 6月15日
How Post-Training Shapes Biological Reasoning Models
Arxiv
0+阅读 · 6月15日
Oops, Wait: Discourse Tokens Matter in Reasoning Model
Arxiv
0+阅读 · 6月15日
Retrievable Gradients: Continual Post-Training Without Cumulative Weight Drift
Arxiv
0+阅读 · 6月14日
Federated Foundation Language Model Post-Training Should Focus on Open-Source Models
Arxiv
0+阅读 · 6月14日
OdysSim: Building Foundation Models for Human Behavior Simulation
Arxiv
0+阅读 · 6月12日
Holding the FP8 Quality Ceiling at 8-Bit Weights and Activations: INT8 and GGUF Post-Training Quantization of Ideogram 4.0 for Consumer GPUs
Arxiv
0+阅读 · 6月12日
Distributional Biases in Post-Training: A Markovian Analysis of Reasoning Trajectories
Arxiv
0+阅读 · 6月12日
RoboProcessBench: Benchmarking Process-Aware Understanding in Vision-Language Robotic Manipulation
Arxiv
0+阅读 · 6月11日
Can Post-Training Turn LLMs into Good Medical Coders? An Empirical Study of Generative ICD Coding
Arxiv
0+阅读 · 6月11日
Learning How to Cube
Arxiv
0+阅读 · 5月15日
ECHO-2: A Large-Scale Distributed Rollout Framework for Cost-Efficient Reinforcement Learning
Arxiv
0+阅读 · 5月26日
参考链接
微信扫码咨询专知VIP会员
Top