Dual Approximation Policy Optimization
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Xiong, Zhihan, Fazel, Maryam, Xiao, Lin |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Hybrid Preference Optimization for Alignment: Provably Faster Convergence Rates by Combining Offline Preferences with Online Exploration
par: Bose, Avinandan, et autres
Publié: (2024)
par: Bose, Avinandan, et autres
Publié: (2024)
On The Complexity of Best-Arm Identification in Non-Stationary Linear Bandits
par: Maynard-Zhang, Leo, et autres
Publié: (2026)
par: Maynard-Zhang, Leo, et autres
Publié: (2026)
A/B Testing and Best-arm Identification for Linear Bandits with Robustness to Non-stationarity
par: Xiong, Zhihan, et autres
Publié: (2023)
par: Xiong, Zhihan, et autres
Publié: (2023)
LoRe: Personalizing LLMs via Low-Rank Reward Modeling
par: Bose, Avinandan, et autres
Publié: (2025)
par: Bose, Avinandan, et autres
Publié: (2025)
Offline congestion games: How feedback type affects data coverage requirement
par: Jiang, Haozhe, et autres
Publié: (2022)
par: Jiang, Haozhe, et autres
Publié: (2022)
A Black-box Approach for Non-stationary Multi-agent Reinforcement Learning
par: Jiang, Haozhe, et autres
Publié: (2023)
par: Jiang, Haozhe, et autres
Publié: (2023)
Extragradient Preference Optimization (EGPO): Beyond Last-Iterate Convergence for Nash Learning from Human Feedback
par: Zhou, Runlong, et autres
Publié: (2025)
par: Zhou, Runlong, et autres
Publié: (2025)
Network-Constrained Policy Optimization for Adaptive Multi-agent Vehicle Routing
par: Arasteh, Fazel, et autres
Publié: (2025)
par: Arasteh, Fazel, et autres
Publié: (2025)
Toward Global Convergence of Gradient EM for Over-Parameterized Gaussian Mixture Models
par: Xu, Weihang, et autres
Publié: (2024)
par: Xu, Weihang, et autres
Publié: (2024)
Local linear convergence of gradient methods for overparameterized Gaussian mixtures
par: Wang, Jingxing, et autres
Publié: (2026)
par: Wang, Jingxing, et autres
Publié: (2026)
Global Convergence of Gradient EM for Over-Parameterized Gaussian Mixtures
par: Zhou, Mo, et autres
Publié: (2025)
par: Zhou, Mo, et autres
Publié: (2025)
Offline Multi-task Transfer RL with Representational Penalization
par: Bose, Avinandan, et autres
Publié: (2024)
par: Bose, Avinandan, et autres
Publié: (2024)
Keeping up with dynamic attackers: Certifying robustness to adaptive online data poisoning
par: Bose, Avinandan, et autres
Publié: (2025)
par: Bose, Avinandan, et autres
Publié: (2025)
Average Gradient Outer Product in kernel regression provably recovers the central subspace for multi-index models
par: Zhu, Libin, et autres
Publié: (2026)
par: Zhu, Libin, et autres
Publié: (2026)
Sharp Gap-Dependent Variance-Aware Regret Bounds for Tabular MDPs
par: Chen, Shulun, et autres
Publié: (2025)
par: Chen, Shulun, et autres
Publié: (2025)
Unregularized Linear Convergence in Zero-Sum Game from Preference Feedback
par: Chen, Shulun, et autres
Publié: (2025)
par: Chen, Shulun, et autres
Publié: (2025)
Dynamics of Learning under User Choice: Overspecialization and Peer-Model Probing
par: Narang, Adhyyan, et autres
Publié: (2026)
par: Narang, Adhyyan, et autres
Publié: (2026)
Learning Optimal Tax Design in Nonatomic Congestion Games
par: Cui, Qiwen, et autres
Publié: (2024)
par: Cui, Qiwen, et autres
Publié: (2024)
Online SuBmodular + SuPermodular (BP) Maximization with Bandit Feedback
par: Narang, Adhyyan, et autres
Publié: (2022)
par: Narang, Adhyyan, et autres
Publié: (2022)
Convergence Dynamics of Over-Parameterized Score Matching for a Single Gaussian
par: Zhang, Yiran, et autres
Publié: (2025)
par: Zhang, Yiran, et autres
Publié: (2025)
Optimization and generalization analysis for two-layer physics-informed neural networks without over-parametrization
par: Zeng, Zhihan, et autres
Publié: (2025)
par: Zeng, Zhihan, et autres
Publié: (2025)
Iteratively reweighted kernel machines efficiently learn sparse functions
par: Zhu, Libin, et autres
Publié: (2025)
par: Zhu, Libin, et autres
Publié: (2025)
Finite Sample Identification of Partially Observed Bilinear Dynamical Systems
par: Sattar, Yahya, et autres
Publié: (2025)
par: Sattar, Yahya, et autres
Publié: (2025)
Iterative Linear Quadratic Optimization for Nonlinear Control: Differentiable Programming Algorithmic Templates
par: Roulet, Vincent, et autres
Publié: (2022)
par: Roulet, Vincent, et autres
Publié: (2022)
AGPO: Adaptive Group Policy Optimization with Dual Statistical Feedback
par: Hu, Miaobo, et autres
Publié: (2026)
par: Hu, Miaobo, et autres
Publié: (2026)
High-dimensional Limit of SGD for Diagonal Linear Networks
par: Malaxechebarría, Begoña García, et autres
Publié: (2026)
par: Malaxechebarría, Begoña García, et autres
Publié: (2026)
Primal-Dual Policy Optimization for Linear CMDPs with Adversarial Losses
par: Yu, Kihyun, et autres
Publié: (2026)
par: Yu, Kihyun, et autres
Publié: (2026)
Global Convergence of Four-Layer Matrix Factorization under Random Initialization
par: Luo, Minrui, et autres
Publié: (2025)
par: Luo, Minrui, et autres
Publié: (2025)
Federated Offline Policy Optimization with Dual Regularization
par: Yue, Sheng, et autres
Publié: (2024)
par: Yue, Sheng, et autres
Publié: (2024)
Divergence-Augmented Policy Optimization
par: Wang, Qing, et autres
Publié: (2025)
par: Wang, Qing, et autres
Publié: (2025)
Explore-then-Commit for Nonstationary Linear Bandits with Latent Dynamics
par: Choi, Sunmook, et autres
Publié: (2025)
par: Choi, Sunmook, et autres
Publié: (2025)
Sub-optimality of the Separation Principle for Quadratic Control from Bilinear Observations
par: Sattar, Yahya, et autres
Publié: (2025)
par: Sattar, Yahya, et autres
Publié: (2025)
Near-Optimal Regret for Policy Optimization in Contextual MDPs with General Offline Function Approximation
par: Levy, Orin, et autres
Publié: (2026)
par: Levy, Orin, et autres
Publié: (2026)
Revisiting Zeroth-Order Hessian Approximation: A Single-Step Policy Optimization Lens
par: Qiu, Junbin, et autres
Publié: (2026)
par: Qiu, Junbin, et autres
Publié: (2026)
Understanding the Performance Gap in Preference Learning: A Dichotomy of RLHF and DPO
par: Shi, Ruizhe, et autres
Publié: (2025)
par: Shi, Ruizhe, et autres
Publié: (2025)
Improving Credit Card Fraud Detection with an Optimized Explainable Boosting Machine
par: Fazel, Reza E., et autres
Publié: (2026)
par: Fazel, Reza E., et autres
Publié: (2026)
Trajectory-Oriented Policy Optimization with Sparse Rewards
par: Wang, Guojian, et autres
Publié: (2024)
par: Wang, Guojian, et autres
Publié: (2024)
Universal Approximation of Operators with Transformers and Neural Integral Operators
par: Zappala, Emanuele, et autres
Publié: (2024)
par: Zappala, Emanuele, et autres
Publié: (2024)
Model-Based Learning of Near-Optimal Finite-Window Policies in POMDPs
par: Jordan, Philip, et autres
Publié: (2026)
par: Jordan, Philip, et autres
Publié: (2026)
Self-Consistency Preference Optimization
par: Prasad, Archiki, et autres
Publié: (2024)
par: Prasad, Archiki, et autres
Publié: (2024)
Documents similaires
-
Hybrid Preference Optimization for Alignment: Provably Faster Convergence Rates by Combining Offline Preferences with Online Exploration
par: Bose, Avinandan, et autres
Publié: (2024) -
On The Complexity of Best-Arm Identification in Non-Stationary Linear Bandits
par: Maynard-Zhang, Leo, et autres
Publié: (2026) -
A/B Testing and Best-arm Identification for Linear Bandits with Robustness to Non-stationarity
par: Xiong, Zhihan, et autres
Publié: (2023) -
LoRe: Personalizing LLMs via Low-Rank Reward Modeling
par: Bose, Avinandan, et autres
Publié: (2025) -
Offline congestion games: How feedback type affects data coverage requirement
par: Jiang, Haozhe, et autres
Publié: (2022)