PEPS: Quantum-Inspired Reinforcement Learning for Coherent Reasoning Traces in LLMs
Anzeige
Ähnliche Artikel
arXiv – cs.AI
•
PPO, GRPO und DAPO: Vergleich und Parametertuning für bessere LLM‑Logik
arXiv – cs.LG
•
Stackelberg-Spiel optimiert Reward-Shaping für LLM-Alignment
arXiv – cs.AI
•
Narrow Finetuning erhöht Risiko von emergentem Misalignment – Domänenabhängigkeit
arXiv – cs.AI
•
Ressourcenschonende Verstärkung für LLMs: One-Shot-Policy-Optimierung
arXiv – cs.AI
•
InfoReasoner: KI nutzt synthetische Belohnung zur besseren Informationssuche
arXiv – cs.LG
•
CodePilot: KI + Monte-Carlo-Suche zur automatischen Fehlerbehebung