University of Science and Technology of China（中国科学技术大学）

Rethinking Reinforcement fine-tuning of LLMs: A Multi-armed Bandit Learning Perspective

重新思考大语言模型的强化微调：多臂老虎机学习视角

Xiao Hu, Hong Xie, Tao Tan, Defu Lian, Jianyu Han

机构 * University of Science and Technology of China（中国科学技术大学） ； IFlyTek (China)（iFlytek（中国）） 纠错

AI总结 本文从多臂老虎机学习视角重新思考大语言模型的强化微调，通过极简实验流程揭示优化选择的作用及瓶颈问题，为该领域提供新见解。

RMBRec: Robust Multi-Behavior Recommendation towards Target Behaviors

RMBRec: 面向目标行为的鲁棒多行为推荐

Miaomiao Cai, Zhijie Zhang, Junfeng Fang, Zhiyong Cheng, Xiang Wang, Meng Wang

机构 * National University of Singapore（新加坡国立大学） ； Hefei University of Technology（合肥工业大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 RMBRec通过信息论鲁棒性原则，结合表示鲁棒性模块和优化鲁棒性模块，提升多行为推荐的鲁棒性和稳定性。

Journal ref WWW2026