Buchumschlag

CURO: Curriculum Learning for Relative Overgeneralization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shi, Lin, Liu, Qiyuan, Peng, Bei
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Machine Learning Artificial Intelligence Multiagent Systems
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning Progress Driven Multi-Agent Curriculum
von: Zhao, Wenshuai, et al.
Veröffentlicht: (2022)

Achieving Optimal Tissue Repair Through MARL with Reward Shaping and Curriculum Learning
von: Khan, Muhammad Al-Zafar, et al.
Veröffentlicht: (2025)

Combining Planning and Reinforcement Learning for Solving Relational Multiagent Domains
von: Prabhakar, Nikhilesh, et al.
Veröffentlicht: (2025)

Towards Fault Tolerance in Multi-Agent Reinforcement Learning
von: Shi, Yuchen, et al.
Veröffentlicht: (2024)

Role Play: Learning Adaptive Role-Specific Strategies in Multi-Agent Interactions
von: Long, Weifan, et al.
Veröffentlicht: (2024)

GHQ: Grouped Hybrid Q Learning for Heterogeneous Cooperative Multi-agent Reinforcement Learning
von: Yu, Xiaoyang, et al.
Veröffentlicht: (2023)

Investigating Relational State Abstraction in Collaborative MARL
von: Utke, Sharlin, et al.
Veröffentlicht: (2024)

MetaVIM: Meta Variationally Intrinsic Motivated Reinforcement Learning for Decentralized Traffic Signal Control
von: Zhu, Liwen, et al.
Veröffentlicht: (2021)

Tacit Learning with Adaptive Information Selection for Cooperative Multi-Agent Reinforcement Learning
von: Liu, Lunjun, et al.
Veröffentlicht: (2024)

WideSeek-R1: Exploring Width Scaling for Broad Information Seeking via Multi-Agent Reinforcement Learning
von: Xu, Zelai, et al.
Veröffentlicht: (2026)

Hypergraph-based Motion Generation with Multi-modal Interaction Relational Reasoning
von: Wu, Keshu, et al.
Veröffentlicht: (2024)

Online Relational Inference for Evolving Multi-agent Interacting Systems
von: Kang, Beomseok, et al.
Veröffentlicht: (2024)

Real-time Adapting Routing (RAR): Improving Efficiency Through Continuous Learning in Software Powered by Layered Foundation Models
von: Vasilevski, Kirill, et al.
Veröffentlicht: (2024)

PMAT: Optimizing Action Generation Order in Multi-Agent Reinforcement Learning
von: Hu, Kun, et al.
Veröffentlicht: (2025)

Descent-Guided Policy Gradient for Scalable Cooperative Multi-Agent Learning
von: Yang, Shan, et al.
Veröffentlicht: (2026)

Adaptively Coordinating with Novel Partners via Learned Latent Strategies
von: Li, Benjamin, et al.
Veröffentlicht: (2025)

Efficient Multi-agent Reinforcement Learning by Planning
von: Liu, Qihan, et al.
Veröffentlicht: (2024)

RiskQ: Risk-sensitive Multi-Agent Reinforcement Learning Value Factorization
von: Shen, Siqi, et al.
Veröffentlicht: (2023)

AutoSurrogate: An LLM-Driven Multi-Agent Framework for Autonomous Construction of Deep Learning Surrogate Models in Subsurface Flow
von: Liu, Jiale, et al.
Veröffentlicht: (2026)

Interaction Pattern Disentangling for Multi-Agent Reinforcement Learning
von: Liu, Shunyu, et al.
Veröffentlicht: (2022)

Learning Generalizable Skills from Offline Multi-Task Data for Multi-Agent Cooperation
von: Liu, Sicong, et al.
Veröffentlicht: (2025)

Imagine, Initialize, and Explore: An Effective Exploration Method in Multi-Agent Reinforcement Learning
von: Liu, Zeyang, et al.
Veröffentlicht: (2024)

Topological Structure Learning Should Be A Research Priority for LLM-Based Multi-Agent Systems
von: Yang, Jiaxi, et al.
Veröffentlicht: (2025)

Learning the Preferences of a Learning Agent
von: Sadek, Karim Abdel, et al.
Veröffentlicht: (2026)

MAC: Masked Agent Collaboration Boosts Large Language Model Medical Decision-Making
von: Peng, Zhihao, et al.
Veröffentlicht: (2025)

Higher Replay Ratio Empowers Sample-Efficient Multi-Agent Reinforcement Learning
von: Xu, Linjie, et al.
Veröffentlicht: (2024)

Learning Strategy Representation for Imitation Learning in Multi-Agent Games
von: Lei, Shiqi, et al.
Veröffentlicht: (2024)

Representation Learning For Efficient Deep Multi-Agent Reinforcement Learning
von: Huh, Dom, et al.
Veröffentlicht: (2024)

PIANIST: Learning Partially Observable World Models with LLMs for Multi-Agent Decision Making
von: Light, Jonathan, et al.
Veröffentlicht: (2024)

Expert-Free Online Transfer Learning in Multi-Agent Reinforcement Learning
von: Castagna, Alberto
Veröffentlicht: (2025)

Empirical Study on Robustness and Resilience in Cooperative Multi-Agent Reinforcement Learning
von: Li, Simin, et al.
Veröffentlicht: (2025)

Interaction-Breaking Adversarial Learning Framework for Robust Multi-Agent Reinforcement Learning
von: Lee, Sunwoo, et al.
Veröffentlicht: (2026)

Single-agent or Multi-agent Systems? Why Not Both?
von: Gao, Mingyan, et al.
Veröffentlicht: (2025)

MFC-EQ: Mean-Field Control with Envelope Q-Learning for Moving Decentralized Agents in Formation
von: Lin, Qiushi, et al.
Veröffentlicht: (2024)

Peer Learning: Learning Complex Policies in Groups from Scratch via Action Recommendations
von: Derstroff, Cedric, et al.
Veröffentlicht: (2023)

Fluid-Agent Reinforcement Learning
von: Sharma, Shishir, et al.
Veröffentlicht: (2026)

A Survey of Multi Agent Reinforcement Learning: Federated Learning and Cooperative and Noncooperative Decentralized Regimes
von: Cheruiyot, Kemboi, et al.
Veröffentlicht: (2025)

Not All Turns Matter: Credit Assignment for Multi-Turn Jailbreaking
von: He, Zhida, et al.
Veröffentlicht: (2026)

Distributed Deep Reinforcement Learning: A Survey and A Multi-Player Multi-Agent Learning Toolbox
von: Yin, Qiyue, et al.
Veröffentlicht: (2022)

Learning Individual Intrinsic Reward in Multi-Agent Reinforcement Learning via Incorporating Generalized Human Expertise
von: Wu, Xuefei, et al.
Veröffentlicht: (2025)