reinforcement-learning
按标签浏览论文。
RL-after-NTP
How Reinforcement Learning After Next-Token Prediction Facilitates Learning
稀有正确长推理示范在预训练中先被学会，RL再通过奖励筛选提高其有效占比，使贪心输出变长并提升准确率。
LoGRA
LoGRA: Scaling LLM Reinforcement Learning with Low-Rank Gradient Sketches
LoGRA 直接累计低秩梯度并用预测 KL 控制步长，使 7B 强化学习平均训练显存降低 45.7%，且在八张 H100 上训练密集 Adam 无法容纳的 27B 模型。
GenMem
GenMem: Generative Symbolic Memory for Self-Evolving Harness
GenMem以生成式SID统一经验记忆读写并保持地址稳定，完整训练系统取得收益，但组合泛化与评测划分仍需补强。
SRWM
A Modern Self-Referential Weight Matrix That Learns to Modify Itself
SRWM 用同一矩阵生成并执行自身的 delta 更新，使预测与更新控制器共同适应输入，在少样本与多任务学习中验证了运行时自修改的实用性。
CLM
Context Language Models
CLM 将实时上下文设为模型可编辑文件，通过技能演化、强化学习和近似后缀缓存复用改善长任务的性能与计算成本。
Sleep
Language Models Need Sleep: Learning to Self-Modify and Consolidate Memories
Sleep 用更新前自蒸馏与慢层专家巩固记忆，再通过 Dreaming 改善适配，收益受任务协议与容量成本限制。
JitMem
Just-in-Time Memory: Learning to Curate Task-Adaptive Memory for LLM Agents
JitMem 保留原始轨迹，在当前任务已知时整理记忆，并以同任务奖励训练整理器；多个基准受益，但总成本和收益范围仍需区分。
MemPrism
MemPrism: Task-Conditioned Relational Memory Views for Long-Horizon Agents
MemPrism 按当前决策构建关系记忆视图，改善冻结任务模型的表现并减少输入 token；在线网页泛化与端到端成本仍待验证。
没有找到匹配论文，试试其他关键词或标签。