Copertina

Off-Policy Evaluation from Logged Human Feedback

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Bhargava, Aniruddha, Jain, Lalit, Kveton, Branislav, Liu, Ge, Mukherjee, Subhojyoti
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Efficient and Interpretable Bandit Algorithms
di: Mukherjee, Subhojyoti, et al.
Pubblicazione: (2023)

Partial Policy Gradients for RL in LLMs
di: Mathur, Puneet, et al.
Pubblicazione: (2026)

Cross-Validated Off-Policy Evaluation
di: Cief, Matej, et al.
Pubblicazione: (2024)

Optimal Design for Human Preference Elicitation
di: Mukherjee, Subhojyoti, et al.
Pubblicazione: (2024)

Experimental Design for Active Transductive Inference in Large Language Models
di: Mukherjee, Subhojyoti, et al.
Pubblicazione: (2024)

Multi-Objective Alignment of Large Language Models Through Hypervolume Maximization
di: Mukherjee, Subhojyoti, et al.
Pubblicazione: (2024)

Agentic Planning with Reasoning for Image Styling via Offline RL
di: Mukherjee, Subhojyoti, et al.
Pubblicazione: (2026)

Pessimistic Off-Policy Optimization for Learning to Rank
di: Cief, Matej, et al.
Pubblicazione: (2022)

AdvantageFlow: Advantage-Weighted Least Squares for RL in Flow Models
di: Kveton, Branislav, et al.
Pubblicazione: (2026)

Learning from a single labeled face and a stream of unlabeled data
di: Kveton, Branislav, et al.
Pubblicazione: (2026)

Learning to Reason in LLMs by Expectation Maximization
di: Lee, Junghyun, et al.
Pubblicazione: (2025)

SaVeR: Optimal Data Collection Strategy for Safe Policy Evaluation in Tabular MDP
di: Mukherjee, Subhojyoti, et al.
Pubblicazione: (2024)

SPEED: Experimental Design for Policy Evaluation in Linear Heteroscedastic Bandits
di: Mukherjee, Subhojyoti, et al.
Pubblicazione: (2023)

Stepwise Credit Assignment for GRPO on Flow-Matching Models
di: Savani, Yash, et al.
Pubblicazione: (2026)

Offline RL by Reward-Weighted Fine-Tuning for Conversation Optimization
di: Mukherjee, Subhojyoti, et al.
Pubblicazione: (2025)

LLM-as-Judge on a Budget
di: Saha, Aadirupa, et al.
Pubblicazione: (2026)

Doubly-Robust Off-Policy Evaluation with Estimated Logging Policy
di: Lee, Kyungbok, et al.
Pubblicazione: (2024)

Off-Policy Evaluation for Ranking Policies under Deterministic Logging Policies
di: Tanaka, Koichi, et al.
Pubblicazione: (2026)

Nearly Minimax Optimal Submodular Maximization with Bandit Feedback
di: Tajdini, Artin, et al.
Pubblicazione: (2023)

Log-Sum-Exponential Estimator for Off-Policy Evaluation and Learning
di: Behnamnia, Armin, et al.
Pubblicazione: (2025)

Semi-supervised learning with max-margin graph cuts
di: Kveton, Branislav, et al.
Pubblicazione: (2026)

Spectral bandits for smooth graph functions
di: Valko, Michal, et al.
Pubblicazione: (2026)

Online semi-supervised perception: Real-time learning without explicit feedback
di: Kveton, Branislav, et al.
Pubblicazione: (2026)

Towards Off-Policy Reinforcement Learning for Ranking Policies with Human Feedback
di: Xiao, Teng, et al.
Pubblicazione: (2024)

Online Posterior Sampling with a Diffusion Prior
di: Kveton, Branislav, et al.
Pubblicazione: (2024)

Spectral bandits for smooth graph functions with applications in recommender systems
di: Kocák, Tomáš, et al.
Pubblicazione: (2026)

Evidence-based anomaly detection in clinical domains
di: Hauskrecht, Milos, et al.
Pubblicazione: (2026)

Finite-Time Logarithmic Bayes Regret Upper Bounds
di: Atsidakou, Alexia, et al.
Pubblicazione: (2023)

MOCHA: Multi-Objective Chebyshev Annealing for Agent Skill Optimization
di: Tanjim, Md Mehrab, et al.
Pubblicazione: (2026)

Comparing Few to Rank Many: Active Human Preference Learning using Randomized Frank-Wolfe
di: Thekumparampil, Kiran Koshy, et al.
Pubblicazione: (2024)

Conditional anomaly detection with soft harmonic functions
di: Valko, Michal, et al.
Pubblicazione: (2026)

Conditional anomaly detection using soft harmonic functions: An application to clinical alerting
di: Valko, Michal, et al.
Pubblicazione: (2026)

Logging Policy Design for Off-Policy Evaluation
di: Douglas, Connor, et al.
Pubblicazione: (2026)

Off-Policy Corrected Reward Modeling for Reinforcement Learning from Human Feedback
di: Ackermann, Johannes, et al.
Pubblicazione: (2025)

ML-Tool-Bench: Tool-Augmented Planning for ML Tasks
di: Chittepu, Yaswanth, et al.
Pubblicazione: (2025)

Spectral bandits
di: Kocák, Tomáš, et al.
Pubblicazione: (2026)

Efficient Training of Boltzmann Generators Using Off-Policy Log-Dispersion Regularization
di: Schopmans, Henrik, et al.
Pubblicazione: (2026)

Pretraining Decision Transformers with Reward Prediction for In-Context Multi-task Structured Bandit Learning
di: Mukherjee, Subhojyoti, et al.
Pubblicazione: (2024)

An Efficient Plugin Method for Metric Optimization of Black-Box Models
di: Devic, Siddartha, et al.
Pubblicazione: (2025)

RADAR: Reasoning-Ability and Difficulty-Aware Routing for Reasoning LLMs
di: Fernandez, Nigel, et al.
Pubblicazione: (2025)