Buchumschlag

Do's and Don'ts: Learning Desirable Skills with Instruction Videos

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kim, Hyunseung, Lee, Byungkun, Lee, Hojoon, Hwang, Dongyoon, Kim, Donghu, Choo, Jaegul
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Investigating Pre-Training Objectives for Generalization in Vision-Based Reinforcement Learning
von: Kim, Donghu, et al.
Veröffentlicht: (2024)

Adapting Pretrained ViTs with Convolution Injector for Visuo-Motor Control
von: Hwang, Dongyoon, et al.
Veröffentlicht: (2024)

Slow and Steady Wins the Race: Maintaining Plasticity with Hare and Tortoise Networks
von: Lee, Hojoon, et al.
Veröffentlicht: (2024)

SimBa: Simplicity Bias for Scaling Up Parameters in Deep Reinforcement Learning
von: Lee, Hojoon, et al.
Veröffentlicht: (2024)

Can Large Language Models Develop Strategic Reasoning? Post-training Insights from Learning Chess
von: Hwang, Dongyoon, et al.
Veröffentlicht: (2025)

Don't Let Bandit Feedback Pull Continual LLM-Recommender Updates Off Target
von: Kim, Taesan, et al.
Veröffentlicht: (2026)

Hyperspherical Normalization for Scalable Deep Reinforcement Learning
von: Lee, Hojoon, et al.
Veröffentlicht: (2025)

FIRE: Frobenius-Isometry Reinitialization for Balancing the Stability-Plasticity Tradeoff
von: Han, Isaac, et al.
Veröffentlicht: (2026)

Dynamic Mixture of Experts Against Severe Distribution Shifts
von: Kim, Donghu
Veröffentlicht: (2025)

EPIC: Effective Prompting for Imbalanced-Class Data Synthesis in Tabular Data Classification via Large Language Models
von: Kim, Jinhee, et al.
Veröffentlicht: (2024)

When Model Meets New Normals: Test-time Adaptation for Unsupervised Time-series Anomaly Detection
von: Kim, Dongmin, et al.
Veröffentlicht: (2023)

Subspace-based Approximate Hessian Method for Zeroth-Order Optimization
von: Kim, Dongyoon, et al.
Veröffentlicht: (2025)

PHUMA: Physically-Grounded Humanoid Locomotion Dataset
von: Lee, Kyungmin, et al.
Veröffentlicht: (2025)

TAROT: Towards Essentially Domain-Invariant Robustness with Theoretical Justification
von: Yang, Dongyoon, et al.
Veröffentlicht: (2025)

Building Resource-Constrained Language Agents: A Korean Case Study on Chemical Toxicity Information
von: Cho, Hojun, et al.
Veröffentlicht: (2025)

Self-Supervised Contrastive Learning for Long-term Forecasting
von: Park, Junwoo, et al.
Veröffentlicht: (2024)

Multi-Objective Instruction-Aware Representation Learning in Procedural Content Generation RL
von: Kim, Sung-Hyun, et al.
Veröffentlicht: (2025)

Don't Forget the Critic: Value-Based Data Rehearsal for Multi-Cyclic Continual Reinforcement Learning
von: Poole, Benjamin, et al.
Veröffentlicht: (2026)

ARCLE: The Abstraction and Reasoning Corpus Learning Environment for Reinforcement Learning
von: Lee, Hosung, et al.
Veröffentlicht: (2024)

Prediction Bottlenecks Don't Discover Causal Structure (But Here's What They Actually Do)
von: Lade, Ankit Hemant, et al.
Veröffentlicht: (2026)

Transformers Don't In-Context Learn Least Squares Regression
von: Hill, Joshua, et al.
Veröffentlicht: (2025)

Task Addition in Multi-Task Learning by Geometrical Alignment
von: Yim, Soorin, et al.
Veröffentlicht: (2024)

Learning to Transfer Human Hand Skills for Robot Manipulations
von: Park, Sungjae, et al.
Veröffentlicht: (2025)

Scalable Multi-Task Transfer Learning for Molecular Property Prediction
von: Lee, Chanhui, et al.
Veröffentlicht: (2024)

Explanation Multiplicity in SHAP: Characterization and Assessment
von: Hwang, Hyunseung, et al.
Veröffentlicht: (2026)

AgenticCache: Cache-Driven Asynchronous Planning for Embodied AI Agents
von: Kim, Hojoon, et al.
Veröffentlicht: (2026)

Don't Freeze, Don't Crash: Extending the Safe Operating Range of Neural Navigation in Dense Crowds
von: Zhang, Jiefu, et al.
Veröffentlicht: (2026)

Don't Play Favorites: Minority Guidance for Diffusion Models
von: Um, Soobin, et al.
Veröffentlicht: (2023)

Why Do Multilingual Reasoning Gaps Emerge in Reasoning Language Models?
von: Kang, Deokhyung, et al.
Veröffentlicht: (2025)

Strict Subgoal Execution: Reliable Long-Horizon Planning in Hierarchical Reinforcement Learning
von: Hwang, Jaebak, et al.
Veröffentlicht: (2025)

MADCluster: Model-agnostic Anomaly Detection with Self-supervised Clustering Network
von: Lee, Sangyong, et al.
Veröffentlicht: (2025)

NegMerge: Sign-Consensual Weight Merging for Machine Unlearning
von: Kim, Hyo Seo, et al.
Veröffentlicht: (2024)

Don't Push the Button! Exploring Data Leakage Risks in Machine Learning and Transfer Learning
von: Apicella, Andrea, et al.
Veröffentlicht: (2024)

ODIM: Outlier Detection via Likelihood of Under-Fitted Generative Models
von: Kim, Dongha, et al.
Veröffentlicht: (2023)

Incremental Learning of Retrievable Skills For Efficient Continual Task Adaptation
von: Lee, Daehee, et al.
Veröffentlicht: (2024)

F-GRPO: Don't Let Your Policy Learn the Obvious and Forget the Rare
von: Plyusov, Daniil, et al.
Veröffentlicht: (2026)

FlashSAC: Fast and Stable Off-Policy Reinforcement Learning for High-Dimensional Robot Control
von: Kim, Donghu, et al.
Veröffentlicht: (2026)

Adaptive Sparsified Graph Learning Framework for Vessel Behavior Anomalies
von: Kim, Jeehong, et al.
Veröffentlicht: (2025)

Alignment Tampering: How Reinforcement Learning from Human Feedback Is Exploited to Optimize Misaligned Biases
von: Hahm, Dongyoon, et al.
Veröffentlicht: (2026)

Benchmarking Mobile Device Control Agents across Diverse Configurations
von: Lee, Juyong, et al.
Veröffentlicht: (2024)