Model-based RL as a Minimalist Approach to Horizon-Free and Second-Order Bounds
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Wang, Zhiyong, Zhou, Dongruo, Lui, John C. S., Sun, Wen |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Variance-Dependent Regret Bounds for Non-stationary Linear Bandits
par: Wang, Zhiyong, et autres
Publié: (2024)
par: Wang, Zhiyong, et autres
Publié: (2024)
Provable Zero-Shot Generalization in Offline Reinforcement Learning
par: Wang, Zhiyong, et autres
Publié: (2025)
par: Wang, Zhiyong, et autres
Publié: (2025)
Near-Optimal Second-Order Guarantees for Model-Based Adversarial Imitation Learning
par: Li, Shangzhe, et autres
Publié: (2025)
par: Li, Shangzhe, et autres
Publié: (2025)
Federated In-Context Learning: Iterative Refinement for Improved Answer Quality
par: Wang, Ruhan, et autres
Publié: (2025)
par: Wang, Ruhan, et autres
Publié: (2025)
More Benefits of Being Distributional: Second-Order Bounds for Reinforcement Learning
par: Wang, Kaiwen, et autres
Publié: (2024)
par: Wang, Kaiwen, et autres
Publié: (2024)
Uncertainty-Aware Reward-Free Exploration with General Function Approximation
par: Zhang, Junkai, et autres
Publié: (2024)
par: Zhang, Junkai, et autres
Publié: (2024)
Provably Efficient Representation Selection in Low-rank Markov Decision Processes: From Online to Offline RL
par: Zhang, Weitong, et autres
Publié: (2021)
par: Zhang, Weitong, et autres
Publié: (2021)
Breaking the $\log(1/Δ_2)$ Barrier: Better Batched Best Arm Identification with Adaptive Grids
par: Jin, Tianyuan, et autres
Publié: (2025)
par: Jin, Tianyuan, et autres
Publié: (2025)
Large Language Model-Enhanced Multi-Armed Bandits
par: Sun, Jiahang, et autres
Publié: (2025)
par: Sun, Jiahang, et autres
Publié: (2025)
Quantum Algorithms for Projection-Free Sparse Convex Optimization
par: He, Jianhao, et autres
Publié: (2025)
par: He, Jianhao, et autres
Publié: (2025)
Laplacian Canonization: A Minimalist Approach to Sign and Basis Invariant Spectral Embedding
par: Ma, Jiangyan, et autres
Publié: (2023)
par: Ma, Jiangyan, et autres
Publié: (2023)
Nearly Minimax Optimal Regret for Learning Linear Mixture Stochastic Shortest Path
par: Di, Qiwei, et autres
Publié: (2024)
par: Di, Qiwei, et autres
Publié: (2024)
On the Limits of Test-Time Compute: Sequential Reward Filtering for Better Inference
par: Yu, Yue, et autres
Publié: (2025)
par: Yu, Yue, et autres
Publié: (2025)
FERA: Uncertainty-Aware Federated Reasoning for Large Language Models
par: Wang, Ruhan, et autres
Publié: (2026)
par: Wang, Ruhan, et autres
Publié: (2026)
Second Order Bounds for Contextual Bandits with Function Approximation
par: Pacchiano, Aldo
Publié: (2024)
par: Pacchiano, Aldo
Publié: (2024)
Instance-Dependent Continuous-Time Reinforcement Learning via Maximum Likelihood Estimation
par: Zhao, Runze, et autres
Publié: (2025)
par: Zhao, Runze, et autres
Publié: (2025)
ZEUS: Accelerating Diffusion Models with Only Second-Order Predictor
par: Wang, Yixiao, et autres
Publié: (2026)
par: Wang, Yixiao, et autres
Publié: (2026)
Bridging RL Theory and Practice with the Effective Horizon
par: Laidlaw, Cassidy, et autres
Publié: (2023)
par: Laidlaw, Cassidy, et autres
Publié: (2023)
Second-Order Bounds for [0,1]-Valued Regression via Betting Loss
par: Li, Yinan, et autres
Publié: (2025)
par: Li, Yinan, et autres
Publié: (2025)
CoPS: Empowering LLM Agents with Provable Cross-Task Experience Sharing
par: Yang, Chen, et autres
Publié: (2024)
par: Yang, Chen, et autres
Publié: (2024)
Reasoning Cache: Continual Improvement Over Long Horizons via Short-Horizon RL
par: Wu, Ian, et autres
Publié: (2026)
par: Wu, Ian, et autres
Publié: (2026)
Horizon Reduction Makes RL Scalable
par: Park, Seohong, et autres
Publié: (2025)
par: Park, Seohong, et autres
Publié: (2025)
Improved Offline Contextual Bandits with Second-Order Bounds: Betting and Freezing
par: Ryu, J. Jon, et autres
Publié: (2025)
par: Ryu, J. Jon, et autres
Publié: (2025)
Online Clustering of Dueling Bandits
par: Wang, Zhiyong, et autres
Publié: (2025)
par: Wang, Zhiyong, et autres
Publié: (2025)
FM-EAC: Feature Model-based Enhanced Actor-Critic for Multi-Task Control in Dynamic Environments
par: Zhou, Quanxi, et autres
Publié: (2025)
par: Zhou, Quanxi, et autres
Publié: (2025)
Prior-Aligned Meta-RL: Thompson Sampling with Learned Priors and Guarantees in Finite-Horizon MDPs
par: Zhou, Runlin, et autres
Publié: (2025)
par: Zhou, Runlin, et autres
Publié: (2025)
Second Order Methods for Bandit Optimization and Control
par: Suggala, Arun, et autres
Publié: (2024)
par: Suggala, Arun, et autres
Publié: (2024)
MINTS: Minimalist Thompson Sampling
par: Wang, Kaizheng
Publié: (2026)
par: Wang, Kaizheng
Publié: (2026)
A Split-Client Approach to Second-Order Optimization
par: Chayti, El Mahdi, et autres
Publié: (2025)
par: Chayti, El Mahdi, et autres
Publié: (2025)
Policy Gradient with Second Order Momentum
par: Sun, Tianyu
Publié: (2025)
par: Sun, Tianyu
Publié: (2025)
B3C: A Minimalist Approach to Offline Multi-Agent Reinforcement Learning
par: Kim, Woojun, et autres
Publié: (2025)
par: Kim, Woojun, et autres
Publié: (2025)
Return Augmented Decision Transformer for Off-Dynamics Reinforcement Learning
par: Wang, Ruhan, et autres
Publié: (2024)
par: Wang, Ruhan, et autres
Publié: (2024)
How to Provably Improve Return Conditioned Supervised Learning?
par: Liu, Zhishuai, et autres
Publié: (2025)
par: Liu, Zhishuai, et autres
Publié: (2025)
A Minimalist Prompt for Zero-Shot Policy Learning
par: Song, Meng, et autres
Publié: (2024)
par: Song, Meng, et autres
Publié: (2024)
SimPER: A Minimalist Approach to Preference Alignment without Hyperparameters
par: Xiao, Teng, et autres
Publié: (2025)
par: Xiao, Teng, et autres
Publié: (2025)
Minimalist Concept Erasure in Generative Models
par: Zhang, Yang, et autres
Publié: (2025)
par: Zhang, Yang, et autres
Publié: (2025)
Verifier-Free RL for LLMs via Intrinsic Gradient-Norm Reward
par: Wen, Xuexiang, et autres
Publié: (2026)
par: Wen, Xuexiang, et autres
Publié: (2026)
Making RL with Preference-based Feedback Efficient via Randomization
par: Wu, Runzhe, et autres
Publié: (2023)
par: Wu, Runzhe, et autres
Publié: (2023)
A Minimalist Approach to LLM Reasoning: from Rejection Sampling to Reinforce
par: Xiong, Wei, et autres
Publié: (2025)
par: Xiong, Wei, et autres
Publié: (2025)
Order-Optimal Regret with Novel Policy Gradient Approaches in Infinite-Horizon Average Reward MDPs
par: Ganesh, Swetha, et autres
Publié: (2024)
par: Ganesh, Swetha, et autres
Publié: (2024)
Documents similaires
-
Variance-Dependent Regret Bounds for Non-stationary Linear Bandits
par: Wang, Zhiyong, et autres
Publié: (2024) -
Provable Zero-Shot Generalization in Offline Reinforcement Learning
par: Wang, Zhiyong, et autres
Publié: (2025) -
Near-Optimal Second-Order Guarantees for Model-Based Adversarial Imitation Learning
par: Li, Shangzhe, et autres
Publié: (2025) -
Federated In-Context Learning: Iterative Refinement for Improved Answer Quality
par: Wang, Ruhan, et autres
Publié: (2025) -
More Benefits of Being Distributional: Second-Order Bounds for Reinforcement Learning
par: Wang, Kaiwen, et autres
Publié: (2024)