Buchumschlag

CORE: Towards Scalable and Efficient Causal Discovery with Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sauter, Andreas W. M., Botteghi, Nicolò, Acar, Erman, Plaat, Aske
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence I.2.6; I.2.8
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Sketch Decompositions for Classical Planning via Deep Reinforcement Learning
von: Aichmüller, Michael, et al.
Veröffentlicht: (2024)

A Parallel Hybrid Action Space Reinforcement Learning Model for Real-world Adaptive Traffic Signal Control
von: Wang, Yuxuan, et al.
Veröffentlicht: (2025)

Score-informed Neural Operator for Enhancing Ordering-based Causal Discovery
von: Kang, Jiyeon, et al.
Veröffentlicht: (2025)

Working Paper: Active Causal Structure Learning with Latent Variables: Towards Learning to Detour in Autonomous Robots
von: Riscos, Pablo de los, et al.
Veröffentlicht: (2024)

Learning to Select Goals in Automated Planning with Deep-Q Learning
von: Núñez-Molina, Carlos, et al.
Veröffentlicht: (2024)

AI and Machine Learning Approaches for Predicting Nanoparticles Toxicity The Critical Role of Physiochemical Properties
von: Yousaf, Iqra
Veröffentlicht: (2024)

NeSIG: A Neuro-Symbolic Method for Learning to Generate Planning Problems
von: Núñez-Molina, Carlos, et al.
Veröffentlicht: (2023)

Predicting Future Actions of Reinforcement Learning Agents
von: Chung, Stephen, et al.
Veröffentlicht: (2024)

Building Minimal and Reusable Causal State Abstractions for Reinforcement Learning
von: Wang, Zizhao, et al.
Veröffentlicht: (2024)

LeanProgress: Guiding Search for Neural Theorem Proving via Proof Progress Prediction
von: George, Robert Joseph, et al.
Veröffentlicht: (2025)

Constrained Auto-Bidding via Generative Response Modeling
von: Yang, Eunseok, et al.
Veröffentlicht: (2026)

Safe Reinforcement Learning with Preference-based Constraint Inference
von: Li, Chenglin, et al.
Veröffentlicht: (2026)

Umbrella Reinforcement Learning -- computationally efficient tool for hard non-linear problems
von: Nuzhin, Egor E., et al.
Veröffentlicht: (2024)

GIRL: Generative Imagination Reinforcement Learning via Information-Theoretic Hallucination Control
von: Hiremath, Prakul Sunil
Veröffentlicht: (2026)

Sim-to-reality adaptation for Deep Reinforcement Learning applied to an underwater docking application
von: Chaarani, Alaaeddine, et al.
Veröffentlicht: (2026)

Procedural Game Level Design with Deep Reinforcement Learning
von: Özkan, Miraç Buğra
Veröffentlicht: (2025)

Hybrid-AIRL: Enhancing Inverse Reinforcement Learning with Supervised Expert Guidance
von: Silue, Bram, et al.
Veröffentlicht: (2025)

From Next Token Prediction to (STRIPS) World Models
von: Núñez-Molina, Carlos, et al.
Veröffentlicht: (2025)

Autonomous Decision Making for UAV Cooperative Pursuit-Evasion Game with Reinforcement Learning
von: Zhao, Yang, et al.
Veröffentlicht: (2024)

What Do World Models Learn in RL? Probing Latent Representations in Learned Environment Simulators
von: Zhang, Xinyu
Veröffentlicht: (2026)

SMOSE: Sparse Mixture of Shallow Experts for Interpretable Reinforcement Learning in Continuous Control Tasks
von: Vincze, Mátyás, et al.
Veröffentlicht: (2024)

Adaptable Hindsight Experience Replay for Search-Based Learning
von: Vazaios, Alexandros, et al.
Veröffentlicht: (2025)

Differentiable Symbolic Planning: A Neural Architecture for Constraint Reasoning with Learned Feasibility
von: Oruganti, Venkatakrishna Reddy
Veröffentlicht: (2026)

PIRS: Physics-Informed Reward Shaping for SAC-Based Building Energy Management
von: Zaregarizi, Shadmehr, et al.
Veröffentlicht: (2026)

Bridging the Reasoning Gap: Small LLMs Can Plan with Generalised Strategies
von: Borro, Andrey, et al.
Veröffentlicht: (2025)

Social Interpretable Reinforcement Learning
von: Custode, Leonardo Lucio, et al.
Veröffentlicht: (2024)

Learning Natural Language Constraints for Safe Reinforcement Learning of Language Agents
von: Chua, Jaymari, et al.
Veröffentlicht: (2025)

Improving Industrial Injection Molding Processes with Explainable AI for Quality Classification
von: Rottenwalter, Georg, et al.
Veröffentlicht: (2025)

Novel Approaches to Artificial Intelligence Development Based on the Nearest Neighbor Method
von: Priezzhev, I. I., et al.
Veröffentlicht: (2025)

Advancements in synthetic data extraction for industrial injection molding
von: Rottenwalter, Georg, et al.
Veröffentlicht: (2025)

SCULPT: Constraint-Guided Pruned MCTS that Carves Efficient Paths for Mathematical Reasoning
von: Fang, Qitong, et al.
Veröffentlicht: (2026)

Learning, Fast and Slow: Towards LLMs That Adapt Continually
von: Tiwari, Rishabh, et al.
Veröffentlicht: (2026)

Foundational Requirements for Artificial General Intelligence: A Falsifiable Framework Based on Signal Prediction
von: Šprogar, Matej
Veröffentlicht: (2025)

Embedded Safety-Aligned Intelligence via Differentiable Internal Alignment Embeddings
von: Rathva, Harsh, et al.
Veröffentlicht: (2025)

Fast and Precise: Adjusting Planning Horizon with Adaptive Subgoal Search
von: Zawalski, Michał, et al.
Veröffentlicht: (2022)

Inverting Cryptographic Hash Functions via Cube-and-Conquer
von: Zaikin, Oleg
Veröffentlicht: (2022)

Incentives for Responsiveness, Instrumental Control and Impact
von: Carey, Ryan, et al.
Veröffentlicht: (2020)

Regret-Aware Policy Optimization: Environment-Level Memory for Replay Suppression under Delayed Harm
von: Hiremath, Prakul Sunil
Veröffentlicht: (2026)

On the Generalization Gap in LLM Planning: Tests and Verifier-Reward RL
von: Belcamino, Valerio, et al.
Veröffentlicht: (2026)

Not All Transitions Matter: Evidence from PPO
von: Basnet, Ajhesh
Veröffentlicht: (2026)