Copertina

Planning in a recurrent neural network that plays Sokoban

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Taufeeque, Mohammad, Quirke, Philip, Li, Maximilian, Cundy, Chris, Tucker, Aaron David, Gleave, Adam, Garriga-Alonso, Adrià
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

Path Channels and Plan Extension Kernels: a Mechanistic Description of Planning in a Sokoban RNN
di: Taufeeque, Mohammad, et al.
Pubblicazione: (2025)

The Obfuscation Atlas: Mapping Where Honesty Emerges in RLVR with Deception Probes
di: Taufeeque, Mohammad, et al.
Pubblicazione: (2026)

Preference Learning with Lie Detectors can Induce Honesty or Evasion
di: Cundy, Chris, et al.
Pubblicazione: (2025)

AI Companies Should Report Pre- and Post-Mitigation Safety Evaluations
di: Bowen, Dillon, et al.
Pubblicazione: (2025)

SynthSAEBench: Evaluating Sparse Autoencoders on Scalable Realistic Synthetic Data
di: Chanin, David, et al.
Pubblicazione: (2026)

Sparse but Wrong: Incorrect L0 Leads to Incorrect Features in Sparse Autoencoders
di: Chanin, David, et al.
Pubblicazione: (2025)

Among Us: A Sandbox for Measuring and Detecting Agentic Deception
di: Golechha, Satvik, et al.
Pubblicazione: (2025)

Interpreting Emergent Planning in Model-Free Reinforcement Learning
di: Bush, Thomas, et al.
Pubblicazione: (2025)

Exploiting Novel GPT-4 APIs
di: Pelrine, Kellin, et al.
Pubblicazione: (2023)

Feature Hedging: Correlated Features Break Narrow Sparse Autoencoders
di: Chanin, David, et al.
Pubblicazione: (2025)

SequenceMatch: Imitation Learning for Autoregressive Sequence Modelling with Backtracking
di: Cundy, Chris, et al.
Pubblicazione: (2023)

Biases in the Blind Spot: Detecting What LLMs Fail to Mention
di: Arcuschin, Iván, et al.
Pubblicazione: (2026)

Understanding Addition in Transformers
di: Quirke, Philip, et al.
Pubblicazione: (2023)

DiFR: Inference Verification Despite Nondeterminism
di: Karvonen, Adam, et al.
Pubblicazione: (2025)

On the dimension of pullback attractors in recurrent neural networks
di: Fadera, Muhammed
Pubblicazione: (2025)

Concept Influence: Leveraging Interpretability to Improve Performance and Efficiency in Training Data Attribution
di: Kowal, Matthew, et al.
Pubblicazione: (2026)

Hypothesis Testing the Circuit Hypothesis in LLMs
di: Shi, Claudia, et al.
Pubblicazione: (2024)

The Safety Gap Toolkit: Evaluating Hidden Dangers of Open-Source Models
di: Dombrowski, Ann-Kathrin, et al.
Pubblicazione: (2025)

Exposing the Systematic Vulnerability of Open-Weight Models to Prefill Attacks
di: Struppek, Lukas, et al.
Pubblicazione: (2026)

Can Go AIs be adversarially robust?
di: Tseng, Tom, et al.
Pubblicazione: (2024)

LayerCollapse: Adaptive compression of neural networks
di: Shabgahi, Soheil Zibakhsh, et al.
Pubblicazione: (2023)

Deep neural networks have an inbuilt Occam's razor
di: Mingard, Chris, et al.
Pubblicazione: (2023)

Scaling Trends for Data Poisoning in LLMs
di: Bowen, Dillon, et al.
Pubblicazione: (2024)

STARC: A General Framework For Quantifying Differences Between Reward Functions
di: Skalse, Joar, et al.
Pubblicazione: (2023)

TinySQL: A Progressive Text-to-SQL Dataset for Mechanistic Interpretability Research
di: Harrasse, Abir, et al.
Pubblicazione: (2025)

Advanced atom-level representations for protein flexibility prediction utilizing graph neural networks
di: Sarparast, Sina, et al.
Pubblicazione: (2024)

Graph neural networks informed locally by thermodynamics
di: Tierz, Alicia, et al.
Pubblicazione: (2024)

Geometry of naturalistic object representations in recurrent neural network models of working memory
di: Lei, Xiaoxuan, et al.
Pubblicazione: (2024)

Sharpe Ratio-Guided Active Learning for Preference Optimization in RLHF
di: Belakaria, Syrine, et al.
Pubblicazione: (2025)

Investigating the Indirect Object Identification circuit in Mamba
di: Ensign, Danielle, et al.
Pubblicazione: (2024)

On permutation-invariant neural networks
di: Kimura, Masanari, et al.
Pubblicazione: (2024)

Sobolev acceleration for neural networks
di: Oh, Jong Kwon, et al.
Pubblicazione: (2025)

Attention mechanisms in neural networks
di: Hays, Hasi
Pubblicazione: (2026)

Sign language recognition from skeletal data using graph and recurrent neural networks
di: Mederos, B., et al.
Pubblicazione: (2025)

Principles of Lipschitz continuity in neural networks
di: Luo, Róisín
Pubblicazione: (2026)

Linearity-based neural network compression
di: Dobler, Silas, et al.
Pubblicazione: (2025)

Scaling Trends in Language Model Robustness
di: Howe, Nikolaus, et al.
Pubblicazione: (2024)

Applying graph neural network to SupplyGraph for supply chain network
di: Han, Kihwan
Pubblicazione: (2024)

Understanding the dynamics of the frequency bias in neural networks
di: Molina, Juan, et al.
Pubblicazione: (2024)

Graph neural networks and non-commuting operators
di: Velasco, Mauricio, et al.
Pubblicazione: (2024)