Buchumschlag

Reinforcement Learning for Efficient Returns Management

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Linden, Pascal, Paul, Nathalie, Wirtz, Tim, Wrobel, Stefan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning Weakly Convex Sets in Metric Spaces
von: Stadtländer, Eike, et al.
Veröffentlicht: (2021)

Knowledge Distillation for Efficient Transformer-Based Reinforcement Learning in Hardware-Constrained Energy Management Systems
von: Henrich, Pascal, et al.
Veröffentlicht: (2026)

Meta-Learning Reinforcement Learning for Crypto-Return Prediction
von: Wang, Junqiao, et al.
Veröffentlicht: (2025)

Averaging $n$-step Returns Reduces Variance in Reinforcement Learning
von: Daley, Brett, et al.
Veröffentlicht: (2024)

How Does Return Distribution in Distributional Reinforcement Learning Help Optimization?
von: Sun, Ke, et al.
Veröffentlicht: (2022)

Machine Learning Potentials for Ti-V-Ta-W Alloys (Linear ML and Kernel ML)
von: Wróbel, Jan
Veröffentlicht: (2025)

Double Check My Desired Return: Transformer with Target Alignment for Offline Reinforcement Learning
von: Pei, Yue, et al.
Veröffentlicht: (2025)

Return Augmented Decision Transformer for Off-Dynamics Reinforcement Learning
von: Wang, Ruhan, et al.
Veröffentlicht: (2024)

STAS: Spatial-Temporal Return Decomposition for Multi-agent Reinforcement Learning
von: Chen, Sirui, et al.
Veröffentlicht: (2023)

In-Dataset Trajectory Return Regularization for Offline Preference-based Reinforcement Learning
von: Tu, Songjun, et al.
Veröffentlicht: (2024)

R2L: Reliable Reinforcement Learning: Guaranteed Return & Reliable Policies in Reinforcement Learning
von: Farhi, Nadir
Veröffentlicht: (2025)

Mitigating Information Loss in Tree-Based Reinforcement Learning via Direct Optimization
von: Marton, Sascha, et al.
Veröffentlicht: (2024)

Causal Coordinated Concurrent Reinforcement Learning
von: Tse, Tim, et al.
Veröffentlicht: (2024)

Continual Learning of Domain-Invariant Representations
von: Janetzky, Pascal, et al.
Veröffentlicht: (2026)

On the Benefit of Optimal Transport for Curriculum Reinforcement Learning
von: Klink, Pascal, et al.
Veröffentlicht: (2023)

Beyond Expected Return: Accounting for Policy Reproducibility when Evaluating Reinforcement Learning Algorithms
von: Flageat, Manon, et al.
Veröffentlicht: (2023)

Multi-Objective Reinforcement Learning for Energy-Efficient Industrial Control
von: Schäfer, Georg, et al.
Veröffentlicht: (2025)

Time Reversal Symmetry for Efficient Robotic Manipulations in Deep Reinforcement Learning
von: Jiang, Yunpeng, et al.
Veröffentlicht: (2025)

Confidence Aware Inverse Constrained Reinforcement Learning
von: Subramanian, Sriram Ganapathi, et al.
Veröffentlicht: (2024)

Constrained Meta Agnostic Reinforcement Learning
von: Daaboul, Karam, et al.
Veröffentlicht: (2024)

Behaviour Policy Optimization: Provably Lower Variance Return Estimates for Off-Policy Reinforcement Learning
von: Goodall, Alexander W., et al.
Veröffentlicht: (2025)

Multi-objective Reinforcement Learning with Nonlinear Preferences: Provable Approximation for Maximizing Expected Scalarized Return
von: Peng, Nianli, et al.
Veröffentlicht: (2023)

Learning to Reason Efficiently with Discounted Reinforcement Learning
von: Ayoub, Alex, et al.
Veröffentlicht: (2025)

Why Online Reinforcement Learning is Causal
von: Schulte, Oliver, et al.
Veröffentlicht: (2024)

Pareto Low-Rank Adapters: Efficient Multi-Task Learning with Preferences
von: Dimitriadis, Nikolaos, et al.
Veröffentlicht: (2024)

Admission Control of Quasi-Reversible Queueing Systems: Optimization and Reinforcement Learning
von: Comte, Céline, et al.
Veröffentlicht: (2025)

Leveraging CAM Algorithms for Explaining Medical Semantic Segmentation
von: Rheude, Tillmann, et al.
Veröffentlicht: (2024)

A Reinforcement Learning Approach to Quiet and Safe UAM Traffic Management
von: Murthy, Surya, et al.
Veröffentlicht: (2025)

Integrated Noise and Safety Management in UAM via A Unified Reinforcement Learning Framework
von: Murthy, Surya, et al.
Veröffentlicht: (2025)

Switching Successor Measures for Hierarchical Zero-shot Reinforcement Learning
von: Stojanovic, Stefan, et al.
Veröffentlicht: (2026)

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

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

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

Imitation Learning as Return Distribution Matching
von: Lazzati, Filippo, et al.
Veröffentlicht: (2025)

On the Diminishing Returns of Width for Continual Learning
von: Guha, Etash, et al.
Veröffentlicht: (2024)

Expected Return Causes Outcome-Level Mode Collapse in Reinforcement Learning and How to Fix It with Inverse Probability Scaling
von: Sinha, Abhijeet, et al.
Veröffentlicht: (2026)

Sample Efficient Reinforcement Learning by Automatically Learning to Compose Subtasks
von: Han, Shuai, et al.
Veröffentlicht: (2024)

What Makes Value Learning Efficient in Residual Reinforcement Learning?
von: Ma, Guozheng, et al.
Veröffentlicht: (2026)

Shift Before You Learn: Enabling Low-Rank Representations in Reinforcement Learning
von: Dubail, Bastien, et al.
Veröffentlicht: (2025)

Causal Question Answering with Reinforcement Learning
von: Blübaum, Lukas, et al.
Veröffentlicht: (2023)