Salvato in:
| Autori principali: | Wu, Qingyuan, Zhan, Simon Sinong, Wang, Yixuan, Wang, Yuhui, Lin, Chung-Wei, Lv, Chen, Zhu, Qi, Huang, Chao |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2024
|
| Soggetti: | |
| Accesso online: | https://arxiv.org/abs/2405.14226 |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Boosting Reinforcement Learning with Strongly Delayed Feedback Through Auxiliary Short Delays
di: Wu, Qingyuan, et al.
Pubblicazione: (2024)
di: Wu, Qingyuan, et al.
Pubblicazione: (2024)
Belief-Based Offline Reinforcement Learning for Delay-Robust Policy Optimization
di: Zhan, Simon Sinong, et al.
Pubblicazione: (2025)
di: Zhan, Simon Sinong, et al.
Pubblicazione: (2025)
Inverse Delayed Reinforcement Learning
di: Zhan, Simon Sinong, et al.
Pubblicazione: (2024)
di: Zhan, Simon Sinong, et al.
Pubblicazione: (2024)
Directly Forecasting Belief for Reinforcement Learning with Delays
di: Wu, Qingyuan, et al.
Pubblicazione: (2025)
di: Wu, Qingyuan, et al.
Pubblicazione: (2025)
Enhancing Inverse Reinforcement Learning through Encoding Dynamic Information in Reward Shaping
di: Zhan, Simon Sinong, et al.
Pubblicazione: (2024)
di: Zhan, Simon Sinong, et al.
Pubblicazione: (2024)
A Unified Framework for Rethinking Policy Divergence Measures in GRPO
di: Wu, Qingyuan, et al.
Pubblicazione: (2026)
di: Wu, Qingyuan, et al.
Pubblicazione: (2026)
Empowering Autonomous Driving with Large Language Models: A Safety Perspective
di: Wang, Yixuan, et al.
Pubblicazione: (2023)
di: Wang, Yixuan, et al.
Pubblicazione: (2023)
Highway Value Iteration Networks
di: Wang, Yuhui, et al.
Pubblicazione: (2024)
di: Wang, Yuhui, et al.
Pubblicazione: (2024)
Scaling Value Iteration Networks to 5000 Layers for Extreme Long-Term Planning
di: Wang, Yuhui, et al.
Pubblicazione: (2024)
di: Wang, Yuhui, et al.
Pubblicazione: (2024)
Advancing Autonomous VLM Agents via Variational Subgoal-Conditioned Reinforcement Learning
di: Wu, Qingyuan, et al.
Pubblicazione: (2025)
di: Wu, Qingyuan, et al.
Pubblicazione: (2025)
Policy and World Modeling Co-Training for Language Agents
di: Lu, Ning, et al.
Pubblicazione: (2026)
di: Lu, Ning, et al.
Pubblicazione: (2026)
Highway Reinforcement Learning
di: Wang, Yuhui, et al.
Pubblicazione: (2024)
di: Wang, Yuhui, et al.
Pubblicazione: (2024)
DGPO: Discovering Multiple Strategies with Diversity-Guided Policy Optimization
di: Chen, Wentse, et al.
Pubblicazione: (2022)
di: Chen, Wentse, et al.
Pubblicazione: (2022)
Step-KTO: Optimizing Mathematical Reasoning through Stepwise Binary Feedback
di: Lin, Yen-Ting, et al.
Pubblicazione: (2025)
di: Lin, Yen-Ting, et al.
Pubblicazione: (2025)
Pretrain Value, Not Reward: Decoupled Value Policy Optimization
di: Huang, Chenghua, et al.
Pubblicazione: (2025)
di: Huang, Chenghua, et al.
Pubblicazione: (2025)
Breaking the Curse of Repulsion: Optimistic Distributionally Robust Policy Optimization for Off-Policy Generative Recommendation
di: Jiang, Jie, et al.
Pubblicazione: (2026)
di: Jiang, Jie, et al.
Pubblicazione: (2026)
DVPO: Distributional Value Modeling-based Policy Optimization for LLM Post-Training
di: Zhu, Dingwei, et al.
Pubblicazione: (2025)
di: Zhu, Dingwei, et al.
Pubblicazione: (2025)
VESPO: Variational Sequence-Level Soft Policy Optimization for Stable Off-Policy LLM Training
di: Shen, Guobin, et al.
Pubblicazione: (2026)
di: Shen, Guobin, et al.
Pubblicazione: (2026)
ReSkill: Reconciling Skill Creation with Policy Optimization in Agentic RL
di: He, Zelin, et al.
Pubblicazione: (2026)
di: He, Zelin, et al.
Pubblicazione: (2026)
Optimizing Anytime Reasoning via Budget Relative Policy Optimization
di: Qi, Penghui, et al.
Pubblicazione: (2025)
di: Qi, Penghui, et al.
Pubblicazione: (2025)
Graph Diffusion Policy Optimization
di: Liu, Yijing, et al.
Pubblicazione: (2024)
di: Liu, Yijing, et al.
Pubblicazione: (2024)
Reparameterization Proximal Policy Optimization
di: Zhong, Hai, et al.
Pubblicazione: (2025)
di: Zhong, Hai, et al.
Pubblicazione: (2025)
Reparameterization Flow Policy Optimization
di: Zhong, Hai, et al.
Pubblicazione: (2026)
di: Zhong, Hai, et al.
Pubblicazione: (2026)
Efficient Data Selection for Multimodal Models via Incremental Optimization Utility
di: Jing, Jinhao, et al.
Pubblicazione: (2026)
di: Jing, Jinhao, et al.
Pubblicazione: (2026)
Tree Search-Based Policy Optimization under Stochastic Execution Delay
di: Valensi, David, et al.
Pubblicazione: (2024)
di: Valensi, David, et al.
Pubblicazione: (2024)
Hindsight-Anchored Policy Optimization: Turning Failure into Feedback in Sparse Reward Settings
di: Wu, Yuning, et al.
Pubblicazione: (2026)
di: Wu, Yuning, et al.
Pubblicazione: (2026)
Orthogonalized Policy Optimization:Policy Optimization as Orthogonal Projection in Hilbert Space
di: Zixian, Wang
Pubblicazione: (2026)
di: Zixian, Wang
Pubblicazione: (2026)
Offline Multi-Agent Reinforcement Learning via In-Sample Sequential Policy Optimization
di: Liu, Zongkai, et al.
Pubblicazione: (2024)
di: Liu, Zongkai, et al.
Pubblicazione: (2024)
Beyond Reward Hacking: Causal Rewards for Large Language Model Alignment
di: Wang, Chaoqi, et al.
Pubblicazione: (2025)
di: Wang, Chaoqi, et al.
Pubblicazione: (2025)
A Rolling Stone Gathers No Moss: Adaptive Policy Optimization for Stable Self-Evaluation in Large Multimodal Models
di: Wang, Wenkai, et al.
Pubblicazione: (2025)
di: Wang, Wenkai, et al.
Pubblicazione: (2025)
Multi-View Subgraph Neural Networks: Self-Supervised Learning with Scarce Labeled Data
di: Wang, Zhenzhong, et al.
Pubblicazione: (2024)
di: Wang, Zhenzhong, et al.
Pubblicazione: (2024)
Self-Destructive Language Model
di: Wang, Yuhui, et al.
Pubblicazione: (2025)
di: Wang, Yuhui, et al.
Pubblicazione: (2025)
Regularized Offline Policy Optimization with Posterior Hybrid Bayesian Belief
di: Lin, Hongqiang, et al.
Pubblicazione: (2026)
di: Lin, Hongqiang, et al.
Pubblicazione: (2026)
Trust-Region Adaptive Policy Optimization
di: Su, Mingyu, et al.
Pubblicazione: (2025)
di: Su, Mingyu, et al.
Pubblicazione: (2025)
Enhancing Generative Auto-bidding with Offline Reward Evaluation and Policy Search
di: Mou, Zhiyu, et al.
Pubblicazione: (2025)
di: Mou, Zhiyu, et al.
Pubblicazione: (2025)
Group Orthogonalized Policy Optimization:Group Policy Optimization as Orthogonal Projection in Hilbert Space
di: Zixian, Wang
Pubblicazione: (2026)
di: Zixian, Wang
Pubblicazione: (2026)
Policy-regularized Offline Multi-objective Reinforcement Learning
di: Lin, Qian, et al.
Pubblicazione: (2024)
di: Lin, Qian, et al.
Pubblicazione: (2024)
One-Way Policy Optimization for Self-Evolving LLMs
di: Yang, Shuo, et al.
Pubblicazione: (2026)
di: Yang, Shuo, et al.
Pubblicazione: (2026)
Clustering with Communication: A Variational Framework for Single Cell Representation Learning
di: Qi, Cong, et al.
Pubblicazione: (2025)
di: Qi, Cong, et al.
Pubblicazione: (2025)
AceGRPO: Adaptive Curriculum Enhanced Group Relative Policy Optimization for Autonomous Machine Learning Engineering
di: Cai, Yuzhu, et al.
Pubblicazione: (2026)
di: Cai, Yuzhu, et al.
Pubblicazione: (2026)
Documenti analoghi
-
Boosting Reinforcement Learning with Strongly Delayed Feedback Through Auxiliary Short Delays
di: Wu, Qingyuan, et al.
Pubblicazione: (2024) -
Belief-Based Offline Reinforcement Learning for Delay-Robust Policy Optimization
di: Zhan, Simon Sinong, et al.
Pubblicazione: (2025) -
Inverse Delayed Reinforcement Learning
di: Zhan, Simon Sinong, et al.
Pubblicazione: (2024) -
Directly Forecasting Belief for Reinforcement Learning with Delays
di: Wu, Qingyuan, et al.
Pubblicazione: (2025) -
Enhancing Inverse Reinforcement Learning through Encoding Dynamic Information in Reward Shaping
di: Zhan, Simon Sinong, et al.
Pubblicazione: (2024)