Buchumschlag

Position: Benchmarking is Limited in Reinforcement Learning Research

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jordan, Scott M., White, Adam, da Silva, Bruno Castro, White, Martha, Thomas, Philip S.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A New View on Planning in Online Reinforcement Learning
von: Roice, Kevin, et al.
Veröffentlicht: (2024)

Neural Posterior Estimation on Exponential Random Graph Models: Evaluating Bias and Implementation Challenges
von: Fan, Yefeng, et al.
Veröffentlicht: (2025)

The Cross-environment Hyperparameter Setting Benchmark for Reinforcement Learning
von: Patterson, Andrew, et al.
Veröffentlicht: (2024)

A Generalized Projected Bellman Error for Off-policy Value Estimation in Reinforcement Learning
von: Patterson, Andrew, et al.
Veröffentlicht: (2021)

Turtle shell clustering: A mixture approach to discriminative clustering with applications to flow cytometry and other data
von: Neal, Mackenzie R., et al.
Veröffentlicht: (2026)

Empirical Design in Reinforcement Learning
von: Patterson, Andrew, et al.
Veröffentlicht: (2023)

Investigating Action Encodings in Recurrent Neural Networks in Reinforcement Learning
von: Schlegel, Matthew, et al.
Veröffentlicht: (2026)

Real-Time Recurrent Learning using Trace Units in Reinforcement Learning
von: Elelimy, Esraa, et al.
Veröffentlicht: (2024)

Federated Offline Reinforcement Learning
von: Zhou, Doudou, et al.
Veröffentlicht: (2022)

Reinforcement Learning for Causal Discovery without Acyclicity Constraints
von: Duong, Bao, et al.
Veröffentlicht: (2024)

Reinforcement Learning with Continuous Actions Under Unmeasured Confounding
von: Li, Yuhan, et al.
Veröffentlicht: (2025)

Regression modelling of spatiotemporal extreme U.S. wildfires via partially-interpretable neural networks
von: Richards, Jordan, et al.
Veröffentlicht: (2022)

A General Control-Theoretic Approach for Reinforcement Learning: Theory and Algorithms
von: Chen, Weiqin, et al.
Veröffentlicht: (2024)

Medical Knowledge Integration into Reinforcement Learning Algorithms for Dynamic Treatment Regimes
von: Yazzourh, Sophia, et al.
Veröffentlicht: (2024)

Semiparametric Double Reinforcement Learning with Applications to Long-Term Causal Inference
von: van der Laan, Lars, et al.
Veröffentlicht: (2025)

Which Rewards Matter? Reward Selection for Reinforcement Learning under Limited Feedback
von: Chaudhari, Shreyas, et al.
Veröffentlicht: (2025)

Enhancing Reinforcement Learning for Radiology Report Generation with Evidence-aware Rewards and Self-correcting Preference Learning
von: Zhou, Qin, et al.
Veröffentlicht: (2026)

STEEL: Singularity-aware Reinforcement Learning
von: Chen, Xiaohong, et al.
Veröffentlicht: (2023)

No $D_{\text{train}}$: Model-Agnostic Counterfactual Explanations Using Reinforcement Learning
von: Sun, Xiangyu, et al.
Veröffentlicht: (2024)

Designing Time Series Experiments in A/B Testing with Transformer Reinforcement Learning
von: Wu, Xiangkun, et al.
Veröffentlicht: (2026)

Modeling Nonstationary Extremal Dependence via Deep Spatial Deformations
von: Shao, Xuanjie, et al.
Veröffentlicht: (2025)

Action Shapley: A Training Data Selection Metric for World Model in Reinforcement Learning
von: Ghosh, Rajat, et al.
Veröffentlicht: (2026)

Statistically Efficient Bayesian Sequential Experiment Design via Reinforcement Learning with Cross-Entropy Estimators
von: Blau, Tom, et al.
Veröffentlicht: (2023)

Vector-Valued Distributional Reinforcement Learning Policy Evaluation: A Hilbert Space Embedding Approach
von: Mohammadi, Mehrdad, et al.
Veröffentlicht: (2026)

Deep Limit Model-free Prediction in Regression
von: Wu, Kejin, et al.
Veröffentlicht: (2024)

Exploration in the Limit
von: Cho, Brian M., et al.
Veröffentlicht: (2025)

Positive and Unlabeled Data: Model, Estimation, Inference, and Classification
von: Liu, Siyan, et al.
Veröffentlicht: (2024)

K-Tensors: Clustering Positive Semi-Definite Matrices
von: Zhang, Hanchao, et al.
Veröffentlicht: (2023)

Transfer Q-learning
von: Chen, Elynn, et al.
Veröffentlicht: (2022)

Deep Reinforcement Learning with Gradient Eligibility Traces
von: Elelimy, Esraa, et al.
Veröffentlicht: (2025)

Reinforcement Learning in Modern Biostatistics: Constructing Optimal Adaptive Interventions
von: Deliu, Nina, et al.
Veröffentlicht: (2022)

Locally Adaptive Multi-Objective Learning
von: Kaur, Jivat Neet, et al.
Veröffentlicht: (2026)

Improving Active Learning with a Bayesian Representation of Epistemic Uncertainty
von: Thomas, Jake, et al.
Veröffentlicht: (2024)

A Sensitivity Approach to Causal Inference Under Limited Overlap
von: Ma, Yuanzhe, et al.
Veröffentlicht: (2025)

Conformal Decision Theory: Safe Autonomous Decisions from Imperfect Predictions
von: Lekeufack, Jordan, et al.
Veröffentlicht: (2023)

HMM for Discovering Decision-Making Dynamics Using Reinforcement Learning Experiments
von: Guo, Xingche, et al.
Veröffentlicht: (2024)

Valid Inference After Causal Discovery
von: Gradu, Paula, et al.
Veröffentlicht: (2022)

Position: Lifetime tuning is incompatible with continual reinforcement learning
von: Mesbahi, Golnaz, et al.
Veröffentlicht: (2024)

Position: Stop Chasing the C-index when Evaluating Survival Analysis Models
von: Lillelund, Christian Marius, et al.
Veröffentlicht: (2025)

Classification from Positive and Biased Negative Data with Skewed Labeled Posterior Probability
von: Watanabe, Shotaro, et al.
Veröffentlicht: (2022)