Tag: Reinforcement Learning

All the papers with the tag "Reinforcement Learning".

• 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，通过解耦程序性、语义和关联功能，弥补大型语言模型在‘恶劣’学习环境中的认知缺陷，为构建适应复杂现实世界的 AI 代理提供了理论框架。

• Enhancing LLMs' Clinical Reasoning with Real-World Data from a Nationwide Sepsis Registry

  grok-3-latest

  Score: 0.50

  Published:2025年5月5日 at  at 15:23

  #LLM, #Clinical Reasoning, #Real-World Data, #Reinforcement Learning, #Generalization

  本文通过真实世界脓毒症登记数据训练大型语言模型，显著提升其临床推理能力，并展示跨任务、跨疾病的泛化性，为通用临床推理模型的发展奠定基础。

• EMORL: Ensemble Multi-Objective Reinforcement Learning for Efficient and Flexible LLM Fine-Tuning

  grok-3-latest

  Score: 0.70

  Published:2025年5月5日 at  at 11:30

  #LLM, #Ensemble Learning, #Multi-Objective Optimization, #Reinforcement Learning, #Fine-Tuning

  EMORL 框架通过集成学习和隐藏状态聚合，为多目标 LLM 微调提供了一种高效、灵活且可解释的方法，在资源消耗和稳定性上显著优于传统方法，同时保持了相当的性能。

• Optimizing Chain-of-Thought Reasoners via Gradient Variance Minimization in Rejection Sampling and RL

  grok-3-latest

  Score: 0.58

  Published:2025年5月5日 at  at 06:26

  #LLM, #Chain of Thought, #Sampling, #Variance Minimization, #Reinforcement Learning

  本文提出GVM-RAFT方法，通过动态采样分配策略最小化梯度方差，显著提升大型语言模型在链式思维推理任务中的训练效率和性能。

• RM-R1: Reward Modeling as Reasoning

  grok-3-latest

  Score: 0.83

  Published:2025年5月5日 at  at 06:11

  #LLM, #Reward Modeling, #Reasoning, #Distillation, #Reinforcement Learning

  本文提出将奖励建模作为推理任务的范式，通过推理链蒸馏和强化学习训练 RM-R1 模型，显著提升了奖励模型的解释性和性能，超越了更大规模的开源和闭源模型。

• Universal Approximation Theorem of Deep Q-Networks

  grok-3-latest

  Score: 0.44

  Published:2025年5月4日 at  at 22:57

  #Deep Q-Networks, #Reinforcement Learning, #Continuous Time, #Stochastic Control, #Approximation Theory

  本文在连续时间框架下证明了深度 Q 网络对最优 Q 函数的通用逼近能力，并通过随机逼近理论分析了 Q 学习算法的收敛性，为深度强化学习与随机控制的结合提供了理论基础。