Tootfinder

One-Token Rollout: Guiding Supervised Fine-Tuning of LLMs with Policy Gradient
Rui Ming, Haoyuan Wu, Shoubo Hu, Zhuolun He, Bei Yu
https://arxiv.org/abs/2509.26313 https://

One-Token Rollout: Guiding Supervised Fine-Tuning of LLMs with Policy Gradient
Supervised fine-tuning (SFT) is the predominant method for adapting large language models (LLMs), yet it often struggles with generalization compared to reinforcement learning (RL). In this work, we posit that this performance disparity stems not just from the loss function, but from a more fundamental difference: SFT learns from a fixed, pre-collected dataset, whereas RL utilizes on-policy data sampled from the current policy. Building on this hypothesis, we introduce one-token rollout (OTR), …

Fine-tuning Behavioral Cloning Policies with Preference-Based Reinforcement Learning
Ma\"el Macuglia, Paul Friedrich, Giorgia Ramponi
https://arxiv.org/abs/2509.26605 https…

Fine-tuning Behavioral Cloning Policies with Preference-Based Reinforcement Learning
Deploying reinforcement learning (RL) in robotics, industry, and health care is blocked by two obstacles: the difficulty of specifying accurate rewards and the risk of unsafe, data-hungry exploration. We address this by proposing a two-stage framework that first learns a safe initial policy from a reward-free dataset of expert demonstrations, then fine-tunes it online using preference-based human feedback. We provide the first principled analysis of this offline-to-online approach and introduce…

Transatlantische Weltraumrivalen https://www.german-foreign-policy.com/news/detail/10179

Merci trump
En Argentine, le parti de Javier Milei remporte largement les législatives de mi-mandat
https://www.lemonde.fr/international/article/2025/10/27/en-argentine-le-pa…

En Argentine, le parti de Javier Milei remporte largement les législatives de mi-mandat
La Libertad Avanza a recueilli plus de 40 % des votes au niveau national, selon des résultats officiels à 97 % du décompte. Le président d’extrême droite a salué un « point de bascule » et promis davantage de réformes.

Framasoft are one of the sadly very few non-bullshit orgs (they’re like us, Small Technology Foundation, not Mozilla) working for a better future for technology and society.
They’re raising funds at the moment.
Please support them if you can.
Thank you!
💕 https://framapiaf.org/@Framasoft/11556…

Framasoft (@Framasoft@framapiaf.org)
Attached: 1 image 🌳 Renforcez l’internet du partage en contribuant à la robustesse de Framasoft ! Framadate flambant neuf, PeerTube v8, nouveaux services… Pour cette fin d'année, nous vous avons préparé plein de surprises ! Découvrez comment votre solidarité nous permet de proposer un internet sans pub ni pisteur, pensé pour les humains et humaines ! 🤝 https://framablog.org/2025/11/18/renforcons-linternet-du-partage-soutenez-les-outils-solidaires-de-framasoft/

J'ai fait ce parcours du combattant contre un PV injustifié. Conclusion d'un juriste d'affaires: La procédure est une présomption de culpabilité très très dur Š renverser, administré par des tribunaux de police complètement surchargés et dépassés. Cela s'appelle un déni de justice.
Heureusement pour la France, les sommes ne sont pas suffisantes pour une procédure devant la CEJ ou la CEDH. La France pays des Droits de l'homme?

REPORTAGE. "C'est chez moi que les amendes arrivent" : l'enfer des victimes de fraude à la plaque d'immatricul
Pour lutter contre les fraudes à la plaque d'immatriculation, le gouvernement doit annoncer, prochainement, un plan ministériel. Les victimes de la "doublette", elles, attendent toujours une solution.

UK Foreign Secretary Yvette Cooper will unveil a new £4 million project to reinforce cyber defenses in the Western Balkans, and share expertise in countering disinformation and other malign activity from hostile actors.
Foreign Secretary to put boosting security and tackling illegal migration at the heart of foreign policy during meeting of European partners

Foreign Secretary to put boosting security and tackling illegal migration at the heart of foreign policy during meeting of European partners
Foreign Secretary hosts meeting in Northern Ireland, focused on preserving security and stability in the Western Balkans. 

Convergence Theorems for Entropy-Regularized and Distributional Reinforcement Learning
Yash Jhaveri, Harley Wiltzer, Patrick Shafto, Marc G. Bellemare, David Meger
https://arxiv.org/abs/2510.08526

Convergence Theorems for Entropy-Regularized and Distributional Reinforcement Learning
In the pursuit of finding an optimal policy, reinforcement learning (RL) methods generally ignore the properties of learned policies apart from their expected return. Thus, even when successful, it is difficult to characterize which policies will be learned and what they will do. In this work, we present a theoretical framework for policy optimization that guarantees convergence to a particular optimal policy, via vanishing entropy regularization and a temperature decoupling gambit. Our approac…

Géorgie : des manifestants ont tenté d’entrer dans le palais présidentiel
https://www.lemonde.fr/international/article/2025/10/04/georgie-des-manifestants-ont-tente-d-entrer-dans-le-palais-presid…

Géorgie : des manifestants ont tenté d’entrer dans le palais présidentiel
Samedi avaient lieu des élections locales largement remportées par le parti au pouvoir, Rêve géorgien, selon des résultats partiels, et boycottées par plusieurs partis d’opposition. Ce pays du Caucase traverse une crise politique depuis les élections législatives de 2024.