Reinforcement Learning From Imperfect Corrective Actions And Proxy Rewards
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Jiang, Zhaohui, Feng, Xuening, Weng, Paul, Zhu, Yifei, Song, Yan, Zhou, Tianze, Hu, Yujing, Lv, Tangjie, Fan, Changjie |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Prioritized Trajectory Replay: A Replay Memory for Data-driven Reinforcement Learning
par: Liu, Jinyi, et autres
Publié: (2023)
par: Liu, Jinyi, et autres
Publié: (2023)
XRL-Bench: A Benchmark for Evaluating and Comparing Explainable Reinforcement Learning Techniques
par: Xiong, Yu, et autres
Publié: (2024)
par: Xiong, Yu, et autres
Publié: (2024)
Bayesian Design Principles for Offline-to-Online Reinforcement Learning
par: Hu, Hao, et autres
Publié: (2024)
par: Hu, Hao, et autres
Publié: (2024)
vMFER: Von Mises-Fisher Experience Resampling Based on Uncertainty of Gradient Directions for Policy Improvement
par: Zhu, Yiwen, et autres
Publié: (2024)
par: Zhu, Yiwen, et autres
Publié: (2024)
AlignDiff: Aligning Diverse Human Preferences via Behavior-Customisable Diffusion Model
par: Dong, Zibin, et autres
Publié: (2023)
par: Dong, Zibin, et autres
Publié: (2023)
Unsupervised Salient Patch Selection for Data-Efficient Reinforcement Learning
par: Jiang, Zhaohui, et autres
Publié: (2024)
par: Jiang, Zhaohui, et autres
Publié: (2024)
The Effects of Data Augmentation on Confidence Estimation for LLMs
par: Wang, Rui, et autres
Publié: (2025)
par: Wang, Rui, et autres
Publié: (2025)
Towards a Simultaneous and Granular Identity-Expression Control in Personalized Face Generation
par: Liu, Renshuai, et autres
Publié: (2024)
par: Liu, Renshuai, et autres
Publié: (2024)
StyleTalk++: A Unified Framework for Controlling the Speaking Styles of Talking Heads
par: Wang, Suzhen, et autres
Publié: (2024)
par: Wang, Suzhen, et autres
Publié: (2024)
TalkCLIP: Talking Head Generation with Text-Guided Expressive Speaking Styles
par: Ma, Yifeng, et autres
Publié: (2023)
par: Ma, Yifeng, et autres
Publié: (2023)
Reinforcement Learning with Verifiable yet Noisy Rewards under Imperfect Verifiers
par: Cai, Xin-Qiang, et autres
Publié: (2025)
par: Cai, Xin-Qiang, et autres
Publié: (2025)
State-Novelty Guided Action Persistence in Deep Reinforcement Learning
par: Hu, Jianshu, et autres
Publié: (2024)
par: Hu, Jianshu, et autres
Publié: (2024)
HLS-Seek: QoR-Aware Code Generation for High-Level Synthesis via Proxy Comparative Reward Reinforcement Learning
par: Zou, Qingyun, et autres
Publié: (2026)
par: Zou, Qingyun, et autres
Publié: (2026)
Revisiting Data Augmentation in Deep Reinforcement Learning
par: Hu, Jianshu, et autres
Publié: (2024)
par: Hu, Jianshu, et autres
Publié: (2024)
A Dataset for the Validation of Truth Inference Algorithms Suitable for Online Deployment
par: Wang, Fei, et autres
Publié: (2024)
par: Wang, Fei, et autres
Publié: (2024)
Efficiency-Reward Trade-Off in Queues with Dynamic Arrivals
par: Qu, Tianze, et autres
Publié: (2026)
par: Qu, Tianze, et autres
Publié: (2026)
Preconditioned Nonlinear Conjugate Gradient Method for Real-time Interior-point Hyperelasticity
par: Shen, Xing, et autres
Publié: (2024)
par: Shen, Xing, et autres
Publié: (2024)
Digital Player: Evaluating Large Language Models based Human-like Agent in Games
par: Wang, Jiawei, et autres
Publié: (2025)
par: Wang, Jiawei, et autres
Publié: (2025)
Test-Time Collective Action: Proxy-Based Perturbations for Correcting Algorithmic Harms
par: Bhange, Meghana, et autres
Publié: (2026)
par: Bhange, Meghana, et autres
Publié: (2026)
Empowering Economic Simulation for Massively Multiplayer Online Games through Generative Agent-Based Modeling
par: Xu, Bihan, et autres
Publié: (2025)
par: Xu, Bihan, et autres
Publié: (2025)
Point-Identification of a Robust Predictor Under Latent Shift with Imperfect Proxies
par: Rahiminasab, Zahra, et autres
Publié: (2026)
par: Rahiminasab, Zahra, et autres
Publié: (2026)
Rationale Matters: Learning Transferable Rubrics via Proxy-Guided Critique for VLM Reward Models
par: Qiu, Weijie, et autres
Publié: (2026)
par: Qiu, Weijie, et autres
Publié: (2026)
Time Reversal Symmetry for Efficient Robotic Manipulations in Deep Reinforcement Learning
par: Jiang, Yunpeng, et autres
Publié: (2025)
par: Jiang, Yunpeng, et autres
Publié: (2025)
SophiaVL-R1: Reinforcing MLLMs Reasoning with Thinking Reward
par: Fan, Kaixuan, et autres
Publié: (2025)
par: Fan, Kaixuan, et autres
Publié: (2025)
GAE Falls Short in Imperfect-Information Self-Play Reinforcement Learning
par: Fan, Zhiyuan, et autres
Publié: (2026)
par: Fan, Zhiyuan, et autres
Publié: (2026)
RewardMap: Tackling Sparse Rewards in Fine-grained Visual Reasoning via Multi-Stage Reinforcement Learning
par: Feng, Sicheng, et autres
Publié: (2025)
par: Feng, Sicheng, et autres
Publié: (2025)
Multi-Objective and Mixed-Reward Reinforcement Learning via Reward-Decorrelated Policy Optimization
par: Bai, Yang, et autres
Publié: (2026)
par: Bai, Yang, et autres
Publié: (2026)
Dominated Actions in Imperfect-Information Games
par: Ganzfried, Sam
Publié: (2025)
par: Ganzfried, Sam
Publié: (2025)
Actor-Critic for Continuous Action Chunks: A Reinforcement Learning Framework for Long-Horizon Robotic Manipulation with Sparse Reward
par: Yang, Jiarui, et autres
Publié: (2025)
par: Yang, Jiarui, et autres
Publié: (2025)
Predictable Emergent Abilities of LLMs: Proxy Tasks Are All You Need
par: Zhang, Bo-Wen, et autres
Publié: (2024)
par: Zhang, Bo-Wen, et autres
Publié: (2024)
FedProxy: Federated Fine-Tuning of LLMs via Proxy SLMs and Heterogeneity-Aware Fusion
par: Fan, Tao, et autres
Publié: (2026)
par: Fan, Tao, et autres
Publié: (2026)
An Imperfect Verifier is Good Enough: Learning with Noisy Rewards
par: Plesner, Andreas, et autres
Publié: (2026)
par: Plesner, Andreas, et autres
Publié: (2026)
RATE: Causal Explainability of Reward Models with Imperfect Counterfactuals
par: Reber, David, et autres
Publié: (2024)
par: Reber, David, et autres
Publié: (2024)
CCCaption: Dual-Reward Reinforcement Learning for Complete and Correct Image Captioning
par: Tang, Zhijiang, et autres
Publié: (2026)
par: Tang, Zhijiang, et autres
Publié: (2026)
Triviality Corrected Endogenous Reward
par: Wang, Xinda, et autres
Publié: (2026)
par: Wang, Xinda, et autres
Publié: (2026)
Stability phenomena in Deligne--Mumford compactifications via Morse theory
par: Chen, Changjie
Publié: (2025)
par: Chen, Changjie
Publié: (2025)
Morse theory on moduli of curves
par: Chen, Changjie
Publié: (2023)
par: Chen, Changjie
Publié: (2023)
Shortest k-Geodesics on Hyperbolic Surfaces
par: Chen, Changjie
Publié: (2025)
par: Chen, Changjie
Publié: (2025)
Index gap of the systole function
par: Chen, Changjie
Publié: (2023)
par: Chen, Changjie
Publié: (2023)
Minimax-Optimal Reward-Agnostic Exploration in Reinforcement Learning
par: Li, Gen, et autres
Publié: (2023)
par: Li, Gen, et autres
Publié: (2023)
Documents similaires
-
Prioritized Trajectory Replay: A Replay Memory for Data-driven Reinforcement Learning
par: Liu, Jinyi, et autres
Publié: (2023) -
XRL-Bench: A Benchmark for Evaluating and Comparing Explainable Reinforcement Learning Techniques
par: Xiong, Yu, et autres
Publié: (2024) -
Bayesian Design Principles for Offline-to-Online Reinforcement Learning
par: Hu, Hao, et autres
Publié: (2024) -
vMFER: Von Mises-Fisher Experience Resampling Based on Uncertainty of Gradient Directions for Policy Improvement
par: Zhu, Yiwen, et autres
Publié: (2024) -
AlignDiff: Aligning Diverse Human Preferences via Behavior-Customisable Diffusion Model
par: Dong, Zibin, et autres
Publié: (2023)