Tag: Reinforcement Learning

All the papers with the tag "Reinforcement Learning".

• Agent RL Scaling Law: Agent RL with Spontaneous Code Execution for Mathematical Problem Solving

  grok-3-latest

  Score: 0.69

  Published:2025年5月12日 at  at 17:23

  #LLM, #Reinforcement Learning, #Tool Integration, #Mathematical Reasoning, #Scaling Law

  本文通过ZeroTIR框架，揭示了Agent RL Scaling Law，验证了基础LLM可通过强化学习自发学习代码执行工具，显著提升数学推理能力。

• EchoInk-R1: Exploring Audio-Visual Reasoning in Multimodal LLMs via Reinforcement Learning

  grok-3-latest

  Score: 0.60

  Published:2025年5月7日 at  at 17:59

  #Multimodal LLM, #Reinforcement Learning, #Audio-Visual Reasoning, #Cross-Modal Integration

  本文提出 EchoInk-R1 框架，通过 Group Relative Policy Optimization 强化学习显著提升多模态大语言模型在音频-视觉推理任务上的性能，首次实现音频、视觉和文本模态的统一开放世界推理。

• Fight Fire with Fire: Defending Against Malicious RL Fine-Tuning via Reward Neutralization

  grok-3-latest

  Score: 0.66

  Published:2025年5月7日 at  at 17:18

  #LLM, #Reinforcement Learning, #Safety Alignment, #Reward Design, #Fine-Tuning

  本文提出Reward Neutralization框架，通过训练模型生成最小信息拒绝来中和恶意RL微调的奖励信号，显著提升开源模型在攻击下的安全性。

• Frog Soup: Zero-Shot, In-Context, and Sample-Efficient Frogger Agents

  grok-3-latest

  Score: 0.61

  Published:2025年5月6日 at  at 19:51

  #LLM, #Reinforcement Learning, #Zero-Shot Learning, #In-Context Learning, #Sample Efficiency

  本文展示了推理型 LLM 在零样本 Atari 游戏 Frogger 中的潜力，并通过 LLM 示范数据提升传统 DQN 智能体 35.3% 的样本效率。

• The Steganographic Potentials of Language Models

  grok-3-latest

  Score: 0.76

  Published:2025年5月6日 at  at 11:25

  #LLM, #Steganography, #Reinforcement Learning, #Prompting, #Covert Communication

  本文通过强化学习微调和提示实验，首次系统性量化了大型语言模型的隐写潜力，揭示其在特定场景下隐藏非琐碎有效载荷的能力，并指出了对 AI 对齐和监控的潜在风险。

• Procedural Memory Is Not All You Need: Bridging Cognitive Gaps in LLM-Based Agents

  grok-3-latest

  Score: 0.77

  Published:2025年5月6日 at  at 11:18

  #LLM, #Modular Architecture, #Semantic Memory, #Associative Learning, #Reinforcement Learning

  本文提出一种模块化架构，通过分离程序性、语义和关联功能，弥补大型语言模型在复杂‘恶劣’学习环境中的认知缺陷，为构建适应性AI代理提供了理论基础。