Buchumschlag

LMAct: A Benchmark for In-Context Imitation Learning with Long Multimodal Demonstrations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ruoss, Anian, Pardo, Fabio, Chan, Harris, Li, Bonnie, Mnih, Volodymyr, Genewein, Tim
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Compression via Pre-trained Transformers: A Study on Byte-Level Multimodal Data
von: Heurtel-Depeiges, David, et al.
Veröffentlicht: (2024)

Understanding Prompt Tuning and In-Context Learning via Meta-Learning
von: Genewein, Tim, et al.
Veröffentlicht: (2025)

Learning Universal Predictors
von: Grau-Moya, Jordi, et al.
Veröffentlicht: (2024)

Amortized Planning with Large-Scale Transformers: A Case Study on Chess
von: Ruoss, Anian, et al.
Veröffentlicht: (2024)

Why is prompting hard? Understanding prompts on binary sequence predictors
von: Wenliang, Li Kevin, et al.
Veröffentlicht: (2025)

Language Modeling Is Compression
von: Delétang, Grégoire, et al.
Veröffentlicht: (2023)

How to Leverage Diverse Demonstrations in Offline Imitation Learning
von: Yue, Sheng, et al.
Veröffentlicht: (2024)

SPRINQL: Sub-optimal Demonstrations driven Offline Imitation Learning
von: Hoang, Huy, et al.
Veröffentlicht: (2024)

Imitation Learning from Suboptimal Demonstrations via Meta-Learning An Action Ranker
von: Fan, Jiangdong, et al.
Veröffentlicht: (2024)

Efficient Imitation Without Demonstrations via Value-Penalized Auxiliary Control from Examples
von: Ablett, Trevor, et al.
Veröffentlicht: (2024)

Beyond-Expert Performance with Limited Demonstrations: Efficient Imitation Learning with Double Exploration
von: Zhao, Heyang, et al.
Veröffentlicht: (2025)

Learning What to Do and What Not To Do: Offline Imitation from Expert and Undesirable Demonstrations
von: Hoang, Huy, et al.
Veröffentlicht: (2025)

Hierarchical Imitation Learning of Team Behavior from Heterogeneous Demonstrations
von: Seo, Sangwon, et al.
Veröffentlicht: (2025)

Understanding the Dynamics of Demonstration Conflict in In-Context Learning
von: Jiao, Difan, et al.
Veröffentlicht: (2026)

Learning to Select In-Context Demonstration Preferred by Large Language Model
von: Zhang, Zheng, et al.
Veröffentlicht: (2025)

Learning for Long-Horizon Planning via Neuro-Symbolic Abductive Imitation
von: Shao, Jie-Jing, et al.
Veröffentlicht: (2024)

Learning Representations in Video Game Agents with Supervised Contrastive Imitation Learning
von: Celemin, Carlos, et al.
Veröffentlicht: (2025)

Imitation Learning Datasets: A Toolkit For Creating Datasets, Training Agents and Benchmarking
von: Gavenski, Nathan, et al.
Veröffentlicht: (2024)

Process In-Context Learning: Enhancing Mathematical Reasoning via Dynamic Demonstration Insertion
von: Gao, Ang, et al.
Veröffentlicht: (2026)

RealICU: Do LLM Agents Understand Long-Context ICU Data? A Benchmark Beyond Behavior Imitation
von: Shen, Chengzhi, et al.
Veröffentlicht: (2026)

LASIL: Learner-Aware Supervised Imitation Learning For Long-term Microscopic Traffic Simulation
von: Guo, Ke, et al.
Veröffentlicht: (2024)

Long-Context Attention Benchmark: From Kernel Efficiency to Distributed Context Parallelism
von: Bu, Tao, et al.
Veröffentlicht: (2025)

When Correct Demonstrations Hurt: Rethinking the Role of Exemplars in In-Context Learning
von: Qiu, Chenghao, et al.
Veröffentlicht: (2026)

Unraveling the Mechanics of Learning-Based Demonstration Selection for In-Context Learning
von: Liu, Hui, et al.
Veröffentlicht: (2024)

DemoShapley: Valuation of Demonstrations for In-Context Learning
von: Xie, Shan, et al.
Veröffentlicht: (2024)

Offline-to-online Reinforcement Learning for Image-based Grasping with Scarce Demonstrations
von: Chan, Bryan, et al.
Veröffentlicht: (2024)

Mimic In-Context Learning for Multimodal Tasks
von: Jiang, Yuchu, et al.
Veröffentlicht: (2025)

Benchmarking General-Purpose In-Context Learning
von: Wang, Fan, et al.
Veröffentlicht: (2024)

Technical Debt in In-Context Learning: Diminishing Efficiency in Long Context
von: Joo, Taejong, et al.
Veröffentlicht: (2025)

100-LongBench: Are de facto Long-Context Benchmarks Literally Evaluating Long-Context Ability?
von: Yang, Wang, et al.
Veröffentlicht: (2025)

Reverse Forward Curriculum Learning for Extreme Sample and Demonstration Efficiency in Reinforcement Learning
von: Tao, Stone, et al.
Veröffentlicht: (2024)

Multimodal and Force-Matched Imitation Learning with a See-Through Visuotactile Sensor
von: Ablett, Trevor, et al.
Veröffentlicht: (2023)

Linear-Time Demonstration Selection for In-Context Learning via Gradient Estimation
von: Zhang, Ziniu, et al.
Veröffentlicht: (2025)

Imitation Bootstrapped Reinforcement Learning
von: Hu, Hengyuan, et al.
Veröffentlicht: (2023)

Quantifying Generalisation in Imitation Learning
von: Gavenski, Nathan, et al.
Veröffentlicht: (2025)

MisoDICE: Multi-Agent Imitation from Unlabeled Mixed-Quality Demonstrations
von: Bui, The Viet, et al.
Veröffentlicht: (2025)

Are Human-generated Demonstrations Necessary for In-context Learning?
von: Li, Rui, et al.
Veröffentlicht: (2023)

Spatial Competence Benchmark
von: Vira, Jash, et al.
Veröffentlicht: (2026)

BalanceBenchmark: A Survey for Multimodal Imbalance Learning
von: Xu, Shaoxuan, et al.
Veröffentlicht: (2025)

Revisiting Synthetic Human Trajectories: Imitative Generation and Benchmarks Beyond Datasaurus
von: Deng, Bangchao, et al.
Veröffentlicht: (2024)