Buchumschlag

What you get is what you see: Decomposing Epistemic Planning using Functional STRIPS

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hu, Guang, Miller, Tim, Lipovetzky, Nir
Format:	Preprint
Veröffentlicht:	2019
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Where Common Knowledge Cannot Be Formed, Common Belief Can -- Planning with Multi-Agent Belief Using Group Justified Perspectives
von: Hu, Guang, et al.
Veröffentlicht: (2024)

Count-based Novelty Exploration in Classical Planning
von: Rosa, Giacomo, et al.
Veröffentlicht: (2024)

Planning in the Dark: LLM-Symbolic Planning Pipeline without Experts
von: Huang, Sukai, et al.
Veröffentlicht: (2024)

What you see is what you get: empirically measured bolometric luminosities of Little Red Dots
von: Greene, Jenny E., et al.
Veröffentlicht: (2025)

Do you see what I see? An Ambiguous Optical Illusion Dataset exposing limitations of Explainable AI
von: Newen, Carina, et al.
Veröffentlicht: (2025)

Generalized Planning for the Abstraction and Reasoning Corpus
von: Lei, Chao, et al.
Veröffentlicht: (2024)

OntView: What you See is What you Meant
von: Bobed, Carlos, et al.
Veröffentlicht: (2025)

Chasing Progress, Not Perfection: Revisiting Strategies for End-to-End LLM Plan Generation
von: Huang, Sukai, et al.
Veröffentlicht: (2024)

What you see is not necessarily what you get: Interpreting near-infrared scattering phase functions of debris discs
von: Bosschaart, Quincy, et al.
Veröffentlicht: (2026)

Planning as Goal Recognition: Deriving Heuristics from Intention Models -- Extended Version
von: Rosa, Giacomo, et al.
Veröffentlicht: (2026)

Homomorphisms and Embeddings of STRIPS Planning Models
von: Lequen, Arnaud, et al.
Veröffentlicht: (2024)

Planning-Driven Programming: A Large Language Model Programming Workflow
von: Lei, Chao, et al.
Veröffentlicht: (2024)

Human Goal Recognition as Bayesian Inference: Investigating the Impact of Actions, Timing, and Goal Solvability
von: Zhang, Chenyuan, et al.
Veröffentlicht: (2024)

Where did you get that? Towards Summarization Attribution for Analysts
von: B, Violet, et al.
Veröffentlicht: (2025)

What you think you know shapes what you see: How epistemology shapes curriculum, teaching, and learning
von: Cayla R. Teal, et al.
Veröffentlicht: (2024)

Beyond Static Assumptions: the Predictive Justified Perspective Model for Epistemic Planning
von: Hu, Guang, et al.
Veröffentlicht: (2024)

Prompting Science Report 3: I'll pay you or I'll kill you -- but will you care?
von: Meincke, Lennart, et al.
Veröffentlicht: (2025)

What do your logits know? (The answer may surprise you!)
von: Fedzechkina, Masha, et al.
Veröffentlicht: (2026)

Keep what you need : extracting efficient subnetworks from large audio representation models
von: Genova, David, et al.
Veröffentlicht: (2025)

Generative AI-assisted Participatory Modeling in Socio-Environmental Planning under Deep Uncertainty
von: Pei, Zhihao, et al.
Veröffentlicht: (2026)

On-the-Fly SfM: What you capture is What you get
von: Zhan, Zongqian, et al.
Veröffentlicht: (2023)

From Reasoning to Generalization: Knowledge-Augmented LLMs for ARC Benchmark
von: Lei, Chao, et al.
Veröffentlicht: (2025)

TeLL Me what you cant see
von: Cavasin, Saverio, et al.
Veröffentlicht: (2025)

Your device may know you better than you know yourself -- continuous authentication on novel dataset using machine learning
von: Nascimento, Pedro Gomes do, et al.
Veröffentlicht: (2024)

Did you just see that? Arbitrary view synthesis for egocentric replay of operating room workflows from ambient sensors
von: Zhang, Han, et al.
Veröffentlicht: (2025)

Can you see how I learn? Human observers' inferences about Reinforcement Learning agents' learning processes
von: Hilpert, Bernhard, et al.
Veröffentlicht: (2025)

What are you sinking? A geometric approach on attention sink
von: Ruscio, Valeria, et al.
Veröffentlicht: (2025)

Intermediate Results on the Complexity of STRIPS$_{1}^{1}$
von: Edelkamp, Stefan, et al.
Veröffentlicht: (2026)

Simple is what you need for efficient and accurate medical image segmentation
von: Yu, Xiang, et al.
Veröffentlicht: (2025)

Attention when you need
von: Boominathan, Lokesh, et al.
Veröffentlicht: (2025)

Propaganda is all you need
von: Kronlund-Drouault, Paul
Veröffentlicht: (2024)

Decomposing Epistemic Uncertainty for Causal Decision Making
von: Rahman, Md Musfiqur, et al.
Veröffentlicht: (2026)

Automated alignment is harder than you think
von: Bowkis, Aleksandr, et al.
Veröffentlicht: (2026)

REL: Working out is all you need
von: Simonds, Toby, et al.
Veröffentlicht: (2024)

Compression is all you need: Modeling Mathematics
von: Aksenov, Vitaly, et al.
Veröffentlicht: (2026)

"It is there, and you need it, so why do you not use it?" Achieving better adoption of AI systems by domain experts, in the case study of natural science research
von: Simkute, Auste, et al.
Veröffentlicht: (2024)

Tell me Mr. AI, what do you see in this image?
von: Giacometti, Tommaso, et al.
Veröffentlicht: (2026)

Tabular Data: Is Deep Learning all you need?
von: Zabërgja, Guri, et al.
Veröffentlicht: (2024)

Homomorphisms and Embeddings of STRIPS Planning Models
von: Arnaud Lequen, et al.
Veröffentlicht: (2024)

SPMamba: State-space model is all you need in speech separation
von: Li, Kai, et al.
Veröffentlicht: (2024)