Chelsea Finn

Poly-EPO: Training Exploratory Reasoning Models

Poly-EPO：训练探索性推理模型

Ifdita Hasan Orney, Jubayer Ibn Hamid, Shreya S Ramanujam, Shirley Wu, Hengyuan Hu, Noah Goodman, Dorsa Sadigh, Chelsea Finn

机构 * Stanford University（斯坦福大学） 纠错

AI总结 本文提出Poly-EPO框架，通过集强化学习提升语言模型的探索与利用协同，增强推理能力与泛化性能。

Test-Time Alignment via Hypothesis Reweighting

测试时对齐 via 假设重加权

Yoonho Lee, Jonathan Williams, Henrik Marklund, Archit Sharma, Eric Mitchell, Anikait Singh, Chelsea Finn

机构 * Stanford University（斯坦福大学） 纠错

AI总结 本文提出HyRe方法，通过重加权集成成员实现实时个性化，仅需1-5个标记示例即可超越现有奖励模型。

Comments TMLR 2026