:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Yangkun, Yang, Kai, Tao, Jian, Lyu, Jiafei
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2412.15517
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Two-stage Reinforcement Learning-based Approach for Multi-entity Task Allocation
von: Gong, Aicheng, et al.
Veröffentlicht: (2024)

Exploration and Anti-Exploration with Distributional Random Network Distillation
von: Yang, Kai, et al.
Veröffentlicht: (2024)

Novelty-based Sample Reuse for Continuous Robotics Control
von: Duan, Ke, et al.
Veröffentlicht: (2024)

Debiased Model-based Representations for Sample-efficient Continuous Control
von: Lyu, Jiafei, et al.
Veröffentlicht: (2026)

EntroPIC: Towards Stable Long-Term Training of LLMs via Entropy Stabilization with Proportional-Integral Control
von: Yang, Kai, et al.
Veröffentlicht: (2025)

Efficient Cross-Domain Offline Reinforcement Learning with Dynamics- and Value-Aligned Data Filtering
von: Qiao, Zhongjian, et al.
Veröffentlicht: (2025)

Mildly Conservative Q-Learning for Offline Reinforcement Learning
von: Lyu, Jiafei, et al.
Veröffentlicht: (2022)

ADG: Ambient Diffusion-Guided Dataset Recovery for Corruption-Robust Offline Reinforcement Learning
von: Liu, Zeyuan, et al.
Veröffentlicht: (2025)

Exploration by Random Distribution Distillation
von: Fang, Zhirui, et al.
Veröffentlicht: (2025)

Understanding What Affects the Generalization Gap in Visual Reinforcement Learning: Theory and Empirical Evidence
von: Lyu, Jiafei, et al.
Veröffentlicht: (2024)

Mind the Model, Not the Agent: The Primacy Bias in Model-based RL
von: Qiao, Zhongjian, et al.
Veröffentlicht: (2023)

State-Novelty Guided Action Persistence in Deep Reinforcement Learning
von: Hu, Jianshu, et al.
Veröffentlicht: (2024)

SUMO: Search-Based Uncertainty Estimation for Model-Based Offline Reinforcement Learning
von: Qiao, Zhongjian, et al.
Veröffentlicht: (2024)

A Large Language Model-Driven Reward Design Framework via Dynamic Feedback for Reinforcement Learning
von: Sun, Shengjie, et al.
Veröffentlicht: (2024)

Dual-Robust Cross-Domain Offline Reinforcement Learning Against Dynamics Shifts
von: Qiao, Zhongjian, et al.
Veröffentlicht: (2025)

Unifying Value Alignment and Assignment in Cross-Domain Offline Reinforcement Learning with Heterogeneous Datasets
von: Qiao, Zhongjian, et al.
Veröffentlicht: (2026)

LVNS-RAVE: Diversified audio generation with RAVE and Latent Vector Novelty Search
von: Guo, Jinyue, et al.
Veröffentlicht: (2024)

Optimizing Novelty of Top-k Recommendations using Large Language Models and Reinforcement Learning
von: Sharma, Amit, et al.
Veröffentlicht: (2024)

ODRL: A Benchmark for Off-Dynamics Reinforcement Learning
von: Lyu, Jiafei, et al.
Veröffentlicht: (2024)

On the Reuse Bias in Off-Policy Reinforcement Learning
von: Ying, Chengyang, et al.
Veröffentlicht: (2022)

Using Human Feedback to Fine-tune Diffusion Models without Any Reward Model
von: Yang, Kai, et al.
Veröffentlicht: (2023)

Multi-Agent Deep Reinforcement Learning for Energy Efficient Multi-Hop STAR-RIS-Assisted Transmissions
von: Liao, Pei-Hsiang, et al.
Veröffentlicht: (2024)

Learning to Reflect: Hierarchical Multi-Agent Reinforcement Learning for CSI-Free mmWave Beam-Focusing
von: Le, Hieu, et al.
Veröffentlicht: (2026)

Novelty Detection in Reinforcement Learning with World Models
von: Zollicoffer, Geigh, et al.
Veröffentlicht: (2023)

Model-based Offline RL via Robust Value-Aware Model Learning with Implicitly Differentiable Adaptive Weighting
von: Qiao, Zhongjian, et al.
Veröffentlicht: (2026)

Diversified Batch Selection for Training Acceleration
von: Hong, Feng, et al.
Veröffentlicht: (2024)

From Novelty to Imitation: Self-Distilled Rewards for Offline Reinforcement Learning
von: Chaudhary, Gaurav, et al.
Veröffentlicht: (2025)

PEARL: Zero-shot Cross-task Preference Alignment and Robust Reward Learning for Robotic Manipulation
von: Liu, Runze, et al.
Veröffentlicht: (2023)

Preference-Guided Reinforcement Learning for Efficient Exploration
von: Wang, Guojian, et al.
Veröffentlicht: (2024)

Traversing Pareto Optimal Policies: Provably Efficient Multi-Objective Reinforcement Learning
von: Qiu, Shuang, et al.
Veröffentlicht: (2024)

An Arbitration Control for an Ensemble of Diversified DQN variants in Continual Reinforcement Learning
von: Jang, Wonseo, et al.
Veröffentlicht: (2025)

Efficient Multi-Task Reinforcement Learning with Cross-Task Policy Guidance
von: He, Jinmin, et al.
Veröffentlicht: (2025)

Preference-Guided Learning for Sparse-Reward Multi-Agent Reinforcement Learning
von: Bui, The Viet, et al.
Veröffentlicht: (2025)

Settling Decentralized Multi-Agent Coordinated Exploration by Novelty Sharing
von: Jiang, Haobin, et al.
Veröffentlicht: (2024)

Local Shapley: Model-Induced Locality and Optimal Reuse in Data Valuation
von: Yang, Xuan, et al.
Veröffentlicht: (2026)

Efficient Reinforcement Learning by Guiding Generalist World Models with Non-Curated Data
von: Zhao, Yi, et al.
Veröffentlicht: (2025)

World Models with Hints of Large Language Models for Goal Achieving
von: Liu, Zeyuan, et al.
Veröffentlicht: (2024)

RL-Selector: Reinforcement Learning-Guided Data Selection via Redundancy Assessment
von: Yang, Suorong, et al.
Veröffentlicht: (2025)

Cross-Domain Policy Adaptation by Capturing Representation Mismatch
von: Lyu, Jiafei, et al.
Veröffentlicht: (2024)

Utilizing Novelty-based Evolution Strategies to Train Transformers in Reinforcement Learning
von: Lorenc, Matyáš, et al.
Veröffentlicht: (2025)