অনুরূপ উপাদানগুলি

• Efficient Model-Free Exploration in Low-Rank MDPs
  অনুযায়ী: Mhammedi, Zakaria, অন্যান্য
  প্রকাশিত: (2023)
• Sample and Oracle Efficient Reinforcement Learning for MDPs with Linearly-Realizable Value Functions
  অনুযায়ী: Mhammedi, Zakaria
  প্রকাশিত: (2024)
• Offline RL via Feature-Occupancy Gradient Ascent
  অনুযায়ী: Neu, Gergely, অন্যান্য
  প্রকাশিত: (2024)
• The Power of Resets in Online Reinforcement Learning
  অনুযায়ী: Mhammedi, Zakaria, অন্যান্য
  প্রকাশিত: (2024)
• Beating Adversarial Low-Rank MDPs with Unknown Transition and Bandit Feedback
  অনুযায়ী: Liu, Haolin, অন্যান্য
  প্রকাশিত: (2024)