会员服务
AR-CoPO: Align Autoregressive Video Generation with Contrastive Policy Optimization
Arxiv
0+阅读 · 3月18日
Slow-Fast Policy Optimization: Reposition-Before-Update for LLM Reasoning
Arxiv
0+阅读 · 3月17日
Bi-Level Policy Optimization with Nyström Hypergradients
Arxiv
0+阅读 · 3月17日
Agile Interception of a Flying Target using Competitive Reinforcement Learning
Arxiv
1+阅读 · 3月17日
Efficient Morphology-Control Co-Design via Stackelberg Proximal Policy Optimization
Arxiv
0+阅读 · 3月16日
When Right Meets Wrong: Bilateral Context Conditioning with Reward-Confidence Correction for GRPO
Arxiv
0+阅读 · 3月13日
Efficient Real-World Autonomous Racing via Attenuated Residual Policy Optimization
Arxiv
0+阅读 · 3月13日
Smooth Gate Functions for Soft Advantage Policy Optimization
Arxiv
0+阅读 · 2月22日
MePoly: Max Entropy Polynomial Policy Optimization
Arxiv
0+阅读 · 2月19日
How to Train Your Deep Research Agent? Prompt, Reward, and Policy Optimization in Search-R1
Arxiv
0+阅读 · 2月23日
IAPO: Information-Aware Policy Optimization for Token-Efficient Reasoning
Arxiv
0+阅读 · 2月22日
Rethinking On-policy Optimization for Query Augmentation
Arxiv
0+阅读 · 3月1日
Pretraining in Actor-Critic Reinforcement Learning for Robot Locomotion
Arxiv
0+阅读 · 3月9日
Seeing Farther and Smarter: Value-Guided Multi-Path Reflection for VLM Policy Optimization
Arxiv
0+阅读 · 2月22日
Adaptive Alpha Weighting with PPO: Enhancing Prompt-Based LLM-Generated Alphas in Quant Trading
Arxiv
0+阅读 · 3月4日
参考链接
微信扫码咨询专知VIP会员
Top