Buchumschlag

Yes, Q-learning Helps Offline In-Context RL

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tarasov, Denis, Nikulin, Alexander, Zisman, Ilya, Klepach, Albina, Polubarov, Andrei, Lyubaykin, Nikita, Derevyagin, Alexander, Kiselev, Igor, Kurenkov, Vladislav
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Object-Centric Latent Action Learning
von: Klepach, Albina, et al.
Veröffentlicht: (2025)

Vision-Language Models Unlock Task-Centric Latent Actions
von: Nikulin, Alexander, et al.
Veröffentlicht: (2026)

NinA: Normalizing Flows in Action. Training VLA Models with Normalizing Flows
von: Tarasov, Denis, et al.
Veröffentlicht: (2025)

Vintix: Action Model via In-Context Reinforcement Learning
von: Polubarov, Andrey, et al.
Veröffentlicht: (2025)

Latent Action Learning Requires Supervision in the Presence of Distractors
von: Nikulin, Alexander, et al.
Veröffentlicht: (2025)

N-Gram Induction Heads for In-Context RL: Improving Stability and Reducing Data Needs
von: Zisman, Ilya, et al.
Veröffentlicht: (2024)

Vintix II: Decision Pre-Trained Transformer is a Scalable In-Context Reinforcement Learner
von: Polubarov, Andrei, et al.
Veröffentlicht: (2026)

XLand-100B: A Large-Scale Multi-Task Dataset for In-Context Reinforcement Learning
von: Nikulin, Alexander, et al.
Veröffentlicht: (2024)

In-Context Reinforcement Learning for Variable Action Spaces
von: Sinii, Viacheslav, et al.
Veröffentlicht: (2023)

Emergence of In-Context Reinforcement Learning from Noise Distillation
von: Zisman, Ilya, et al.
Veröffentlicht: (2023)

Zero-Shot Adaptation of Behavioral Foundation Models to Unseen Dynamics
von: Bobrin, Maksim, et al.
Veröffentlicht: (2025)

XLand-MiniGrid: Scalable Meta-Reinforcement Learning Environments in JAX
von: Nikulin, Alexander, et al.
Veröffentlicht: (2023)

cadrille: Multi-modal CAD Reconstruction with Reinforcement Learning
von: Kolodiazhnyi, Maksim, et al.
Veröffentlicht: (2025)

The Role of Deep Learning Regularizations on Actors in Offline RL
von: Tarasov, Denis, et al.
Veröffentlicht: (2024)

An effective control of large systems of active particles: An application to evacuation problem
von: Klepach, Albina, et al.
Veröffentlicht: (2025)

Is Value Functions Estimation with Classification Plug-and-play for Offline Reinforcement Learning?
von: Tarasov, Denis, et al.
Veröffentlicht: (2024)

ABRA: Agent Benchmark for Radiology Applications
von: Maksudov, Bulat, et al.
Veröffentlicht: (2026)

In-Context Compositional Q-Learning for Offline Reinforcement Learning
von: Xu, Qiushui, et al.
Veröffentlicht: (2025)

Exploiting Local Dynamics Regularity for Reusable Skills in Offline Hierarchical RL
von: Dayal, Sarthak, et al.
Veröffentlicht: (2026)

Exclusively Penalized Q-learning for Offline Reinforcement Learning
von: Yeom, Junghyuk, et al.
Veröffentlicht: (2024)

Electrostatics from Laplacian Eigenbasis for Neural Network Interatomic Potentials
von: Zhdanov, Maksim, et al.
Veröffentlicht: (2025)

DEAS: DEtached value learning with Action Sequence for Scalable Offline RL
von: Kim, Changyeon, et al.
Veröffentlicht: (2025)

UNIQ: Offline Inverse Q-learning for Avoiding Undesirable Demonstrations
von: Hoang, Huy, et al.
Veröffentlicht: (2024)

Budgeting Counterfactual for Offline RL
von: Liu, Yao, et al.
Veröffentlicht: (2023)

Selective Uncertainty Propagation in Offline RL
von: Krishnamurthy, Sanath Kumar, et al.
Veröffentlicht: (2023)

Decoupled Prioritized Resampling for Offline RL
von: Yue, Yang, et al.
Veröffentlicht: (2023)

Augmenting Offline RL with Unlabeled Data
von: Wang, Zhao, et al.
Veröffentlicht: (2024)

An Empirical Study on the Effectiveness of Incorporating Offline RL As Online RL Subroutines
von: Su, Jianhai, et al.
Veröffentlicht: (2025)

Policy Agnostic RL: Offline RL and Online RL Fine-Tuning of Any Class and Backbone
von: Mark, Max Sobol, et al.
Veröffentlicht: (2024)

A Tractable Inference Perspective of Offline RL
von: Liu, Xuejie, et al.
Veröffentlicht: (2023)

Design Considerations in Offline Preference-based RL
von: Agarwal, Alekh, et al.
Veröffentlicht: (2025)

Are Expressive Models Truly Necessary for Offline RL?
von: Wang, Guan, et al.
Veröffentlicht: (2024)

OGBench: Benchmarking Offline Goal-Conditioned RL
von: Park, Seohong, et al.
Veröffentlicht: (2024)

Distilling LLMs' Decomposition Abilities into Compact Language Models
von: Tarasov, Denis, et al.
Veröffentlicht: (2024)

Continual Learning with Columnar Spiking Neural Networks
von: Larionov, Denis, et al.
Veröffentlicht: (2025)

Offline Multi-task Transfer RL with Representational Penalization
von: Bose, Avinandan, et al.
Veröffentlicht: (2024)

Is Value Learning Really the Main Bottleneck in Offline RL?
von: Park, Seohong, et al.
Veröffentlicht: (2024)

Scalable Offline Model-Based RL with Action Chunks
von: Park, Kwanyoung, et al.
Veröffentlicht: (2025)

Pre-training with Synthetic Data Helps Offline Reinforcement Learning
von: Wang, Zecheng, et al.
Veröffentlicht: (2023)

Language-Conditioned Offline RL for Multi-Robot Navigation
von: Morad, Steven, et al.
Veröffentlicht: (2024)