Buchumschlag

Test Where Decisions Matter: Importance-driven Testing for Deep Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pranger, Stefan, Chockler, Hana, Tappler, Martin, Könighofer, Bettina
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

Clustered Policy Decision Ranking
von: Levin, Mark, et al.
Veröffentlicht: (2023)

Rule-Guided Reinforcement Learning Policy Evaluation and Improvement
von: Tappler, Martin, et al.
Veröffentlicht: (2025)

I Guess That's Why They Call it the Blues: Causal Analysis for Audio Classifiers
von: Kelly, David A., et al.
Veröffentlicht: (2026)

Test-driven Reinforcement Learning in Continuous Control
von: Yu, Zhao, et al.
Veröffentlicht: (2025)

Activation-Deactivation: A General Framework for Robust Post-hoc Explainable AI
von: Chanchal, Akchunya, et al.
Veröffentlicht: (2025)

Where to Intervene: Action Selection in Deep Reinforcement Learning
von: Zhang, Wenbo, et al.
Veröffentlicht: (2025)

Robust Testing for Deep Learning using Human Label Noise
von: Lim, Gordon, et al.
Veröffentlicht: (2024)

The Pursuit of Diversity: Multi-Objective Testing of Deep Reinforcement Learning Agents
von: Bartlett, Antony, et al.
Veröffentlicht: (2025)

Addressing Maximization Bias in Reinforcement Learning with Two-Sample Testing
von: Waltz, Martin, et al.
Veröffentlicht: (2022)

When and Where to Reset Matters for Long-Term Test-Time Adaptation
von: Lim, Taejun, et al.
Veröffentlicht: (2026)

Placing Puzzle Pieces Where They Matter: A Question Augmentation Framework for Reinforcement Learning
von: Fang, Yangyi, et al.
Veröffentlicht: (2026)

Evaluating Robustness of Deep Reinforcement Learning for Autonomous Surface Vehicle Control in Field Tests
von: Batista, Luis F. W., et al.
Veröffentlicht: (2025)

Testing of Deep Reinforcement Learning Agents with Surrogate Models
von: Biagiola, Matteo, et al.
Veröffentlicht: (2023)

TTRL: Test-Time Reinforcement Learning
von: Zuo, Yuxin, et al.
Veröffentlicht: (2025)

Test-Time Regret Minimization in Meta Reinforcement Learning
von: Mutti, Mirco, et al.
Veröffentlicht: (2024)

Testing Stationarity and Change Point Detection in Reinforcement Learning
von: Li, Mengbing, et al.
Veröffentlicht: (2022)

Contexts Matter: An Empirical Study on Contextual Influence in Fairness Testing for Deep Learning Systems
von: Du, Chengwen, et al.
Veröffentlicht: (2024)

3D ReX: Causal Explanations in 3D Neuroimaging Classification
von: Navaratnarajah, Melane, et al.
Veröffentlicht: (2025)

Learning Where It Matters: Geometric Anchoring for Robust Preference Alignment
von: Cho, Youngjae, et al.
Veröffentlicht: (2026)

On the Importance of Multistability for Horizon Generalization in Reinforcement Learning
von: Bakija, Asad, et al.
Veröffentlicht: (2026)

Plan2Cleanse: Test-Time Backdoor Defense via Monte-Carlo Planning in Deep Reinforcement Learning
von: Chen, Sze-Ann, et al.
Veröffentlicht: (2026)

Relative Importance Sampling for off-Policy Actor-Critic in Deep Reinforcement Learning
von: Humayoo, Mahammad, et al.
Veröffentlicht: (2018)

Test-Time Graph Search for Goal-Conditioned Reinforcement Learning
von: Opryshko, Evgenii, et al.
Veröffentlicht: (2025)

Test-time Offline Reinforcement Learning on Goal-related Experience
von: Bagatella, Marco, et al.
Veröffentlicht: (2025)

Constrained Meta Reinforcement Learning with Provable Test-Time Safety
von: Ni, Tingting, et al.
Veröffentlicht: (2026)

Learning to Ask: Decision Transformers for Adaptive Quantitative Group Testing
von: Soleymani, Mahdi, et al.
Veröffentlicht: (2025)

I Bet You Did Not Mean That: Testing Semantic Importance via Betting
von: Teneggi, Jacopo, et al.
Veröffentlicht: (2024)

DiCriTest: Testing Scenario Generation for Decision-Making Agents Considering Diversity and Criticality
von: Chu, Qitong, et al.
Veröffentlicht: (2025)

TRIP: A Nonparametric Test to Diagnose Biased Feature Importance Scores
von: Foote, Aaron, et al.
Veröffentlicht: (2025)

Policy Testing in Markov Decision Processes
von: Ariu, Kaito, et al.
Veröffentlicht: (2025)

Targeted Deep Learning System Boundary Testing
von: Weißl, Oliver, et al.
Veröffentlicht: (2024)

Learning on the Job: Test-Time Curricula for Targeted Reinforcement Learning
von: Hübotter, Jonas, et al.
Veröffentlicht: (2025)

Cooperative Deep Reinforcement Learning for Fair RIS Allocation
von: Zan, Martin Mark, et al.
Veröffentlicht: (2026)

Research on Autonomous Driving Decision-making Strategies based Deep Reinforcement Learning
von: Wang, Zixiang, et al.
Veröffentlicht: (2024)

Dynamic Deep-Reinforcement-Learning Algorithm in Partially Observable Markov Decision Processes
von: Omi, Saki, et al.
Veröffentlicht: (2023)

Reinforcement Learning Teachers of Test Time Scaling
von: Cetin, Edoardo, et al.
Veröffentlicht: (2025)

DeepKnowledge: Generalisation-Driven Deep Learning Testing
von: Missaoui, Sondess, et al.
Veröffentlicht: (2024)

SpecReX: Explainable AI for Raman Spectroscopy
von: Blake, Nathan, et al.
Veröffentlicht: (2025)

PSDNorm: Test-Time Temporal Normalization for Deep Learning in Sleep Staging
von: Gnassounou, Théo, et al.
Veröffentlicht: (2025)

Language Agents for Hypothesis-driven Clinical Decision Making with Reinforcement Learning
von: Bani-Harouni, David, et al.
Veröffentlicht: (2025)