Buchumschlag

Efficient Policy Evaluation with Safety Constraint for Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Claire, Liu, Shuze Daniel, Zhang, Shangtong
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Efficient Multi-Policy Evaluation for Reinforcement Learning
von: Liu, Shuze Daniel, et al.
Veröffentlicht: (2024)

Doubly Optimal Policy Evaluation for Reinforcement Learning
von: Liu, Shuze Daniel, et al.
Veröffentlicht: (2024)

Efficient Policy Evaluation with Offline Data Informed Behavior Policy Design
von: Liu, Shuze, et al.
Veröffentlicht: (2023)

Convergence of Two-Timescale Markovian Stochastic Approximations with Applications in Reinforcement Learning
von: Mahadevan, Vagul, et al.
Veröffentlicht: (2026)

The ODE Method for Stochastic Approximation and Reinforcement Learning with Markovian Noise
von: Liu, Shuze Daniel, et al.
Veröffentlicht: (2024)

Beyond Linear Attention: Softmax Transformers Implement In-Context Reinforcement Learning
von: Xie, Zixuan, et al.
Veröffentlicht: (2026)

Predicting Plasticity in Deep Continual Learning: A Theoretical Perspective
von: Wang, Jiuqi, et al.
Veröffentlicht: (2026)

Towards Formalizing Reinforcement Learning Theory
von: Zhang, Shangtong
Veröffentlicht: (2025)

CRASH: Challenging Reinforcement-Learning Based Adversarial Scenarios For Safety Hardening
von: Kulkarni, Amar, et al.
Veröffentlicht: (2024)

MathlibLemma: Folklore Lemma Generation and Benchmark for Formal Mathematics
von: Liu, Xinyu, et al.
Veröffentlicht: (2026)

Extensions of Robbins-Siegmund Theorem with Applications in Reinforcement Learning
von: Liu, Xinyu, et al.
Veröffentlicht: (2025)

Towards Provable Emergence of In-Context Reinforcement Learning
von: Wang, Jiuqi, et al.
Veröffentlicht: (2025)

Convergence and Emergence of In-Context Reinforcement Learning with Chain of Thought
von: Xie, Zixuan, et al.
Veröffentlicht: (2026)

Counterfactual Explanations for Continuous Action Reinforcement Learning
von: Dong, Shuyang, et al.
Veröffentlicht: (2025)

Almost Sure Convergence Rates of Stochastic Approximation and Reinforcement Learning via a Poisson-Moreau Drift
von: Liu, Xinyu, et al.
Veröffentlicht: (2026)

Concurrent Learning of Policy and Unknown Safety Constraints in Reinforcement Learning
von: Yifru, Lunet, et al.
Veröffentlicht: (2024)

Sample-Efficient Policy Constraint Offline Deep Reinforcement Learning based on Sample Filtering
von: Chen, Yuanhao, et al.
Veröffentlicht: (2025)

Transformers Can Learn Temporal Difference Methods for In-Context Reinforcement Learning
von: Wang, Jiuqi, et al.
Veröffentlicht: (2024)

Adaptive Policy Selection and Fine-Tuning under Interaction Budgets for Offline-to-Online Reinforcement Learning
von: Bozkurt, Alper Kamil, et al.
Veröffentlicht: (2026)

Almost Sure Convergence Rates and Concentration of Stochastic Approximation and Reinforcement Learning with Markovian Noise
von: Qian, Xiaochi, et al.
Veröffentlicht: (2024)

Revisiting a Design Choice in Gradient Temporal Difference Learning
von: Qian, Xiaochi, et al.
Veröffentlicht: (2023)

On the Divergence of Differential Temporal Difference Learning without Local Clocks
von: Antrobius, David, et al.
Veröffentlicht: (2026)

Group Fairness in Multi-Task Reinforcement Learning
von: Song, Kefan, et al.
Veröffentlicht: (2025)

Probabilistic Constraint for Safety-Critical Reinforcement Learning
von: Chen, Weiqin, et al.
Veröffentlicht: (2023)

Global Optimality and Finite Sample Analysis of Softmax Off-Policy Actor Critic under State Distribution Mismatch
von: Zhang, Shangtong, et al.
Veröffentlicht: (2021)

Conservative Distributional Reinforcement Learning with Safety Constraints
von: Zhang, Hengrui, et al.
Veröffentlicht: (2022)

Online Estimation and Inference for Robust Policy Evaluation in Reinforcement Learning
von: Liu, Weidong, et al.
Veröffentlicht: (2023)

Almost Sure Convergence of Linear Temporal Difference Learning with Arbitrary Features
von: Wang, Jiuqi, et al.
Veröffentlicht: (2024)

Policy Constraint by Only Support Constraint for Offline Reinforcement Learning
von: Gao, Yunkai, et al.
Veröffentlicht: (2025)

Multi-agent Markov Entanglement
von: Chen, Shuze, et al.
Veröffentlicht: (2025)

Offline Two-Player Zero-Sum Markov Games with KL Regularization
von: Chen, Claire, et al.
Veröffentlicht: (2026)

A Survey of In-Context Reinforcement Learning
von: Moeini, Amir, et al.
Veröffentlicht: (2025)

Safe In-Context Reinforcement Learning
von: Moeini, Amir, et al.
Veröffentlicht: (2025)

Linear $Q$-Learning Does Not Diverge in $L^2$: Convergence Rates to a Bounded Set
von: Liu, Xinyu, et al.
Veröffentlicht: (2025)

Constraint-Conditioned Policy Optimization for Versatile Safe Reinforcement Learning
von: Yao, Yihang, et al.
Veröffentlicht: (2023)

Adaptive Scaling of Policy Constraints for Offline Reinforcement Learning
von: Jing, Tan, et al.
Veröffentlicht: (2025)

Efficient Online Reinforcement Learning for Diffusion Policy
von: Ma, Haitong, et al.
Veröffentlicht: (2025)

Safety-Oriented Pruning and Interpretation of Reinforcement Learning Policies
von: Gross, Dennis, et al.
Veröffentlicht: (2024)

Safe Reinforcement Learning with Learned Non-Markovian Safety Constraints
von: Low, Siow Meng, et al.
Veröffentlicht: (2024)

ActSafe: Active Exploration with Safety Constraints for Reinforcement Learning
von: As, Yarden, et al.
Veröffentlicht: (2024)