Copertina

Behaviour Distillation

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Lupu, Andrei, Lu, Chris, Liesen, Jarek, Lange, Robert Tjarko, Foerster, Jakob
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

NAVIX: Scaling MiniGrid Environments with JAX
di: Pignatelli, Eduardo, et al.
Pubblicazione: (2024)

Discovering Minimal Reinforcement Learning Environments
di: Liesen, Jarek, et al.
Pubblicazione: (2024)

The AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery
di: Lu, Chris, et al.
Pubblicazione: (2024)

A Clean Slate for Offline Reinforcement Learning
di: Jackson, Matthew Thomas, et al.
Pubblicazione: (2025)

Discovering Temporally-Aware Reinforcement Learning Algorithms
di: Jackson, Matthew Thomas, et al.
Pubblicazione: (2024)

The AI Scientist-v2: Workshop-Level Automated Scientific Discovery via Agentic Tree Search
di: Yamada, Yutaro, et al.
Pubblicazione: (2025)

Imagined Autocurricula
di: Güzel, Ahmet H., et al.
Pubblicazione: (2025)

DéjàQ: Open-Ended Evolution of Diverse, Learnable and Verifiable Problems
di: Röpke, Willem, et al.
Pubblicazione: (2026)

Kinetix: Investigating the Training of General Agents through Open-Ended Physics-Based Control Tasks
di: Matthews, Michael, et al.
Pubblicazione: (2024)

Text-to-LoRA: Instant Transformer Adaption
di: Charakorn, Rujikorn, et al.
Pubblicazione: (2025)

Hierarchical Behaviour Spaces
di: Matthews, Michael Tryfan, et al.
Pubblicazione: (2026)

Large Language Models As Evolution Strategies
di: Lange, Robert Tjarko, et al.
Pubblicazione: (2024)

Recurrent Reinforcement Learning with Memoroids
di: Morad, Steven, et al.
Pubblicazione: (2024)

JaxMARL: Multi-Agent RL Environments and Algorithms in JAX
di: Rutherford, Alexander, et al.
Pubblicazione: (2023)

Can Learned Optimization Make Reinforcement Learning Less Difficult?
di: Goldie, Alexander David, et al.
Pubblicazione: (2024)

The Decrypto Benchmark for Multi-Agent Reasoning and Theory of Mind
di: Lupu, Andrei, et al.
Pubblicazione: (2025)

JaxUED: A simple and useable UED library in Jax
di: Coward, Samuel, et al.
Pubblicazione: (2024)

The Edge-of-Reach Problem in Offline Model-Based Reinforcement Learning
di: Sims, Anya, et al.
Pubblicazione: (2024)

Knowledge Distillation Neural Network for Predicting Car-following Behaviour of Human-driven and Autonomous Vehicles
di: Adewale, Ayobami, et al.
Pubblicazione: (2024)

Towards Robust Agentic CUDA Kernel Benchmarking, Verification, and Optimization
di: Lange, Robert Tjarko, et al.
Pubblicazione: (2025)

Position: Leverage Foundational Models for Black-Box Optimization
di: Song, Xingyou, et al.
Pubblicazione: (2024)

Mirror Learning: A Unifying Framework of Policy Optimisation
di: Kuba, Jakub Grudzien, et al.
Pubblicazione: (2022)

Learning Multi-Agent Communication with Contrastive Learning
di: Lo, Yat Long, et al.
Pubblicazione: (2023)

Evolution Strategies at the Hyperscale
di: Sarkar, Bidipta, et al.
Pubblicazione: (2025)

Symmetry-Breaking Augmentations for Ad Hoc Teamwork
di: Hammond, Ravi, et al.
Pubblicazione: (2024)

Abstraction for Offline Goal-Conditioned Reinforcement Learning
di: Wibault, Clarisse, et al.
Pubblicazione: (2026)

Rainbow Teaming: Open-Ended Generation of Diverse Adversarial Prompts
di: Samvelyan, Mikayel, et al.
Pubblicazione: (2024)

Discovering Preference Optimization Algorithms with and for Large Language Models
di: Lu, Chris, et al.
Pubblicazione: (2024)

DITTO: Offline Imitation Learning with World Models
di: DeMoss, Branton, et al.
Pubblicazione: (2023)

A Model-Based Solution to the Offline Multi-Agent Reinforcement Learning Coordination Problem
di: Barde, Paul, et al.
Pubblicazione: (2023)

Beyond the Boundaries of Proximal Policy Optimization
di: Tan, Charlie B., et al.
Pubblicazione: (2024)

Rethinking Out-of-Distribution Detection for Reinforcement Learning: Advancing Methods for Evaluation and Detection
di: Nasvytis, Linas, et al.
Pubblicazione: (2024)

Meta-Learning Objectives for Preference Optimization
di: Alfano, Carlo, et al.
Pubblicazione: (2024)

Mixture of Experts in a Mixture of RL settings
di: Willi, Timon, et al.
Pubblicazione: (2024)

How Should We Meta-Learn Reinforcement Learning Algorithms?
di: Goldie, Alexander David, et al.
Pubblicazione: (2025)

Analysing the Sample Complexity of Opponent Shaping
di: Fung, Kitty, et al.
Pubblicazione: (2024)

Policy-Guided Diffusion
di: Jackson, Matthew Thomas, et al.
Pubblicazione: (2024)

Comparing BFGS and OGR for Second-Order Optimization
di: Przybysz, Adrian, et al.
Pubblicazione: (2025)

Refining Minimax Regret for Unsupervised Environment Design
di: Beukman, Michael, et al.
Pubblicazione: (2024)

SOReL and TOReL: Two Methods for Fully Offline Reinforcement Learning
di: Fellows, Mattie, et al.
Pubblicazione: (2025)