Buchumschlag

Near-Optimal Sample Complexity in Reward-Free Kernel-Based Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kayal, Aya, Vakili, Sattar, Toni, Laura, Bernacchia, Alberto
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

Reinforcement Learning Using known Invariances
von: Cioba, Alexandru, et al.
Veröffentlicht: (2025)

Bayesian Optimization from Human Feedback: Near-Optimal Regret Bounds
von: Kayal, Aya, et al.
Veröffentlicht: (2025)

Open Problem: Order Optimal Regret Bounds for Kernel-Based Reinforcement Learning
von: Vakili, Sattar
Veröffentlicht: (2024)

Kernel-Based Function Approximation for Average Reward Reinforcement Learning: An Optimist No-Regret Algorithm
von: Vakili, Sattar, et al.
Veröffentlicht: (2024)

Kernelized Reinforcement Learning with Order Optimal Regret Bounds
von: Vakili, Sattar, et al.
Veröffentlicht: (2023)

The impact of intrinsic rewards on exploration in Reinforcement Learning
von: Kayal, Aya, et al.
Veröffentlicht: (2025)

Learning Kernel-Based MDPs from Episodic Preferential Feedback
von: Pavlovic, Nikola, et al.
Veröffentlicht: (2026)

Random Exploration in Bayesian Optimization: Order-Optimal Regret and Computational Efficiency
von: Salgia, Sudeep, et al.
Veröffentlicht: (2023)

Distributionally Robust Model-Based Offline Reinforcement Learning with Near-Optimal Sample Complexity
von: Shi, Laixi, et al.
Veröffentlicht: (2022)

Near-Optimal Sample Complexity Bounds for Constrained Average-Reward MDPs
von: Wei, Yukuan, et al.
Veröffentlicht: (2025)

No-Regret Thompson Sampling for Finite-Horizon Markov Decision Processes with Gaussian Processes
von: Bayrooti, Jasmine, et al.
Veröffentlicht: (2025)

A Finite Time Analysis of Thompson Sampling for Bayesian Optimization with Preferential Feedback
von: Lazzaro, Joseph, et al.
Veröffentlicht: (2026)

Efficient Exploration in Average-Reward Constrained Reinforcement Learning: Achieving Near-Optimal Regret With Posterior Sampling
von: Provodin, Danil, et al.
Veröffentlicht: (2024)

Near-Optimal Sample Complexities of Divergence-based S-rectangular Distributionally Robust Reinforcement Learning
von: Li, Zhenghao, et al.
Veröffentlicht: (2025)

Nearly Optimal Sample Complexity for Learning with Label Proportions
von: Busa-Fekete, Robert, et al.
Veröffentlicht: (2025)

Near-Optimal Sample Complexity for Iterated CVaR Reinforcement Learning with a Generative Model
von: Deng, Zilong, et al.
Veröffentlicht: (2025)

On the Sample Efficiency of Abstractions and Potential-Based Reward Shaping in Reinforcement Learning
von: Canonaco, Giuseppe, et al.
Veröffentlicht: (2024)

Sample Complexity of Distributionally Robust Average-Reward Reinforcement Learning
von: Chen, Zijun, et al.
Veröffentlicht: (2025)

Span-Based Optimal Sample Complexity for Average Reward MDPs
von: Zurek, Matthew, et al.
Veröffentlicht: (2023)

Near-Optimal Sample Complexity for Online Constrained MDPs
von: Liu, Chang, et al.
Veröffentlicht: (2026)

Projection by Convolution: Optimal Sample Complexity for Reinforcement Learning in Continuous-Space MDPs
von: Maran, Davide, et al.
Veröffentlicht: (2024)

Sample Complexity of Average-Reward Q-Learning: From Single-agent to Federated Reinforcement Learning
von: Jiao, Yuchen, et al.
Veröffentlicht: (2026)

Achieving the Asymptotically Optimal Sample Complexity of Offline Reinforcement Learning: A DRO-Based Approach
von: Wang, Yue, et al.
Veröffentlicht: (2023)

Private Realizable-to-Agnostic Transformation with Near-Optimal Sample Complexity
von: Li, Bo, et al.
Veröffentlicht: (2025)

Near Optimal Non-asymptotic Sample Complexity of 1-Identification
von: Li, Zitian, et al.
Veröffentlicht: (2025)

Optimal Sample Complexity for Average Reward Markov Decision Processes
von: Wang, Shengbo, et al.
Veröffentlicht: (2023)

Nearly-Optimal Algorithm for Adversarial Kernelized Bandits
von: Iwazaki, Shogo
Veröffentlicht: (2026)

Near-Optimal Regret in Adversarial Kernel Bandits
von: Zhang, Yu-Jie, et al.
Veröffentlicht: (2026)

Model-Free Robust Reinforcement Learning with Sample Complexity Analysis
von: Wang, Yudan, et al.
Veröffentlicht: (2024)

Curriculum Reinforcement Learning for Complex Reward Functions
von: Freitag, Kilian, et al.
Veröffentlicht: (2024)

From Reward-Free Representations to Preferences: Rethinking Offline Preference-Based Reinforcement Learning
von: Yang, Jun-Jie, et al.
Veröffentlicht: (2026)

Near-Optimal Algorithm for Non-Stationary Kernelized Bandits
von: Iwazaki, Shogo, et al.
Veröffentlicht: (2024)

Span-Based Optimal Sample Complexity for Weakly Communicating and General Average Reward MDPs
von: Zurek, Matthew, et al.
Veröffentlicht: (2024)

Gaussian Processes with Sample Paths in Reproducing Kernel Banach Spaces
von: Karvonen, Toni, et al.
Veröffentlicht: (2026)

Provably Sample-Efficient Robust Reinforcement Learning with Average Reward
von: Roch, Zachary, et al.
Veröffentlicht: (2025)

A Reward-Free Viewpoint on Multi-Objective Reinforcement Learning
von: Chen, Ying-Tu, et al.
Veröffentlicht: (2026)

Dense Reward for Free in Reinforcement Learning from Human Feedback
von: Chan, Alex J., et al.
Veröffentlicht: (2024)

Focal Reward: Balanced Reinforcement Learning under Rubric-Based Rewards
von: Huang, Yu, et al.
Veröffentlicht: (2026)

The Optimal Sample Complexity of Multiclass and List Learning
von: Pabbaraju, Chirag
Veröffentlicht: (2026)

Families of Optimal Transport Kernels for Cell Complexes
von: Khorana, Rahul
Veröffentlicht: (2025)