ICLR

Enough is as good as a feast: A Comprehensive Analysis of How Reinforcement Learning Mitigates Task Conflicts in LLMs

过犹不及：强化学习如何减轻大语言模型中任务冲突的综合分析

Zixuan Ren, Jinliang Lu, Junhong Wu, Yang Zhao, Dai Dai, Hua Wu, Haifeng Wang, Chengqing Zong

机构 * Institute of Automation, CAS（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Baidu Inc.（百度公司） 纠错

AI总结 研究对比强化学习与监督微调训练的大语言模型的合并行为，经五项任务评估发现强化学习能减少任务冲突及合并后性能下降。通过实验和分析揭示三个关键因素，表明强化学习在模型合并中更具优势。

Comments Published in ICLR 2026

Cross-Domain Off-Policy Evaluation and Learning for Contextual Bandits

上下文博弈的跨域离策略评估与学习

Yuta Natsubori, Masataka Ushiku, Yuta Saito

机构 * Hakuhodo DY Holdings, Inc.（博报堂DY控股公司） ； Cornell University（康奈尔大学） 纠错

AI总结 研究上下文博弈中离策略评估与学习问题，提出跨域OPE/L新设置，可利用目标域和其他域日志数据，开发新估计器和策略梯度方法，有效解决现有方法面临的挑战，增强离策略评估与学习能力。

Comments 21 pages, 10 figures, accepted to ICLR 2025