Buchumschlag

RL in Markov Games with Independent Function Approximation: Improved Sample Complexity Bound under the Local Access Model

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fan, Junyi, Han, Yuxuan, Zeng, Jialin, Cai, Jian-Feng, Wang, Yang, Xiang, Yang, Zhang, Jiheng
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Refined Sample Complexity for Markov Games with Independent Linear Function Approximation
von: Dai, Yan, et al.
Veröffentlicht: (2024)

Improving Sample Efficiency of Model-Free Algorithms for Zero-Sum Markov Games
von: Feng, Songtao, et al.
Veröffentlicht: (2023)

Improved Generalization Bounds for Transductive Learning by Transductive Local Complexity and Its Applications
von: Yang, Yingzhen
Veröffentlicht: (2023)

Distributionally Robust Online Markov Game with Linear Function Approximation
von: Zheng, Zewu, et al.
Veröffentlicht: (2025)

Improved Amenability Bounds for Local Coordination Games
von: Peretz, Ron, et al.
Veröffentlicht: (2026)

Independent and Decentralized Learning in Markov Potential Games
von: Maheshwari, Chinmay, et al.
Veröffentlicht: (2022)

Independent Learning in Constrained Markov Potential Games
von: Jordan, Philip, et al.
Veröffentlicht: (2024)

Independent Learning in Performative Markov Potential Games
von: Sahitaj, Rilind, et al.
Veröffentlicht: (2025)

Approximation of Functions: Optimal Sampling and Complexity
von: Krieg, David, et al.
Veröffentlicht: (2026)

Finite-Sample Analysis of Nonlinear Independent Component Analysis:Sample Complexity and Identifiability Bounds
von: Jiang, Yuwen
Veröffentlicht: (2026)

Approximate State Abstraction for Markov Games
von: Ishibashi, Hiroki, et al.
Veröffentlicht: (2024)

An Evolutionary Game With the Game Transitions Based on the Markov Process
von: Feng, Minyu, et al.
Veröffentlicht: (2025)

On the Existence of Sum‐Of‐Squares Lyapunov Functions for Polynomial Parameter‐Varying Systems With Locally Exponential Stability
von: Jialin Chen, et al.
Veröffentlicht: (2025)

Efficient Transfer Learning via Causal Bounds
von: Gong, Xueping, et al.
Veröffentlicht: (2023)

Reinforcement Learning from Partial Observation: Linear Function Approximation with Provable Sample Efficiency
von: Cai, Qi, et al.
Veröffentlicht: (2022)

Locally Repairable Convertible Codes: Improved Lower Bound and General Construction
von: Ge, Songping, et al.
Veröffentlicht: (2025)

Incentivize without Bonus: Provably Efficient Model-based Online Multi-agent RL for Markov Games
von: Yang, Tong, et al.
Veröffentlicht: (2025)

Identification and Adaptive Control of Markov Jump Systems: Sample Complexity and Regret Bounds
von: Sattar, Yahya, et al.
Veröffentlicht: (2021)

Improved Sample Complexity Bounds for Diffusion Model Training
von: Gupta, Shivam, et al.
Veröffentlicht: (2023)

Sample-efficient Learning of Infinite-horizon Average-reward MDPs with General Function Approximation
von: He, Jianliang, et al.
Veröffentlicht: (2024)

Primal-Dual Sample Complexity Bounds for Constrained Markov Decision Processes with Multiple Constraints
von: Buckley, Max, et al.
Veröffentlicht: (2025)

Metric Entropy-Free Sample Complexity Bounds for Sample Average Approximation in Convex Stochastic Programming
von: Liu, Hongcheng, et al.
Veröffentlicht: (2024)

Value Function Decomposition in Markov Recommendation Process
von: Wang, Xiaobei, et al.
Veröffentlicht: (2025)

New and Improved Bounds for Markov Paging
von: Pabbaraju, Chirag, et al.
Veröffentlicht: (2025)

Misspecified $Q$-Learning with Sparse Linear Function Approximation: Tight Bounds on Approximation Error
von: Du, Ally Yalei, et al.
Veröffentlicht: (2024)

Space-Bounded Communication Complexity of Unitaries
von: Li, Longcheng, et al.
Veröffentlicht: (2025)

Improving Reinforcement Learning Sample-Efficiency using Local Approximation
von: Prashant, Mohit, et al.
Veröffentlicht: (2025)

Backward-Friendly Optimization: Training Large Language Models with Approximate Gradients under Memory Constraints
von: Yang, Jing, et al.
Veröffentlicht: (2025)

Sample Complexity Bounds for Estimating Probability Divergences under Invariances
von: Tahmasebi, Behrooz, et al.
Veröffentlicht: (2023)

VI-CuRL: Stabilizing Verifier-Independent RL Reasoning via Confidence-Guided Variance Reduction
von: Cai, Xin-Qiang, et al.
Veröffentlicht: (2026)

Practical Global and Local Bounds in Gaussian Process Regression via Chaining
von: Liu, Junyi, et al.
Veröffentlicht: (2025)

Taming the Curses of Multiagency in Robust Markov Games with Large State Space through Linear Function Approximation
von: Gai, Jingchu, et al.
Veröffentlicht: (2026)

Thompson Sampling in Online RLHF with General Function Approximation
von: Feng, Songtao, et al.
Veröffentlicht: (2025)

Achieving Optimal Sample Complexity for a Broader Class of Signals in Sparse Phase Retrieval
von: Xu, Mengchu, et al.
Veröffentlicht: (2025)

Arena-Independent Memory Bounds for Nash Equilibria in Reachability Games
von: Main, James C. A.
Veröffentlicht: (2023)

Tight Sampling Bounds for Eigenvalue Approximation
von: Swartworth, William, et al.
Veröffentlicht: (2024)

Near-Optimal Policy Optimization for Correlated Equilibrium in General-Sum Markov Games
von: Cai, Yang, et al.
Veröffentlicht: (2024)

Bounded Independence Edge Sampling for Combinatorial Graph Properties
von: Putterman, Aaron, et al.
Veröffentlicht: (2026)

Tackling Heavy-Tailed Rewards in Reinforcement Learning with Function Approximation: Minimax Optimal and Instance-Dependent Regret Bounds
von: Huang, Jiayi, et al.
Veröffentlicht: (2023)

Provably Efficient RL under Episode-Wise Safety in Constrained MDPs with Linear Function Approximation
von: Kitamura, Toshinori, et al.
Veröffentlicht: (2025)