Buchumschlag

Distilling Reinforcement Learning Algorithms for In-Context Model-Based Planning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Son, Jaehyeon, Lee, Soochan, Kim, Gunhee
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

Recasting Continual Learning as Sequence Modeling
von: Lee, Soochan, et al.
Veröffentlicht: (2023)

Learning to Continually Learn with the Bayesian Principle
von: Lee, Soochan, et al.
Veröffentlicht: (2024)

When Meta-Learning Meets Online and Continual Learning: A Survey
von: Son, Jaehyeon, et al.
Veröffentlicht: (2023)

Compositional Conservatism: A Transductive Approach in Offline Reinforcement Learning
von: Song, Yeda, et al.
Veröffentlicht: (2024)

Quantum Circuit Structure Optimization for Quantum Reinforcement Learning
von: Son, Seok Bin, et al.
Veröffentlicht: (2025)

Random Network Distillation Based Deep Reinforcement Learning for AGV Path Planning
von: Yin, Huilin, et al.
Veröffentlicht: (2024)

IPD: Boosting Sequential Policy with Imaginary Planning Distillation in Offline Reinforcement Learning
von: Qin, Yihao, et al.
Veröffentlicht: (2026)

Continual Reinforcement Learning by Planning with Online World Models
von: Liu, Zichen, et al.
Veröffentlicht: (2025)

Strict Subgoal Execution: Reliable Long-Horizon Planning in Hierarchical Reinforcement Learning
von: Hwang, Jaebak, et al.
Veröffentlicht: (2025)

Dual Mixture-of-Experts Framework for Discrete-Time Survival Analysis
von: Lee, Hyeonjun, et al.
Veröffentlicht: (2025)

Neural ODE and SDE Models for Adaptation and Planning in Model-Based Reinforcement Learning
von: Han, Chao, et al.
Veröffentlicht: (2026)

Applying Reinforcement Learning to Optimize Traffic Light Cycles
von: Son, Seungah, et al.
Veröffentlicht: (2024)

Text2Chart31: Instruction Tuning for Chart Generation with Automatic Feedback
von: Zadeh, Fatemeh Pesaran, et al.
Veröffentlicht: (2024)

Causal State Distillation for Explainable Reinforcement Learning
von: Lu, Wenhao, et al.
Veröffentlicht: (2023)

Dataset Distillation for Offline Reinforcement Learning
von: Light, Jonathan, et al.
Veröffentlicht: (2024)

Reinforcement Learning via Self-Distillation
von: Hübotter, Jonas, et al.
Veröffentlicht: (2026)

Constrained Reinforcement Learning with Average Reward Objective: Model-Based and Model-Free Algorithms
von: Aggarwal, Vaneet, et al.
Veröffentlicht: (2024)

Spatiotemporal Forecasting as Planning: A Model-Based Reinforcement Learning Approach with Generative World Models
von: Wu, Hao, et al.
Veröffentlicht: (2025)

The Interpretability of Codebooks in Model-Based Reinforcement Learning is Limited
von: Eaton, Kenneth, et al.
Veröffentlicht: (2024)

ARCLE: The Abstraction and Reasoning Corpus Learning Environment for Reinforcement Learning
von: Lee, Hosung, et al.
Veröffentlicht: (2024)

A Goal-Oriented Reinforcement Learning-Based Path Planning Algorithm for Modular Self-Reconfigurable Satellites
von: Liu, Bofei, et al.
Veröffentlicht: (2025)

In-Context Reinforcement Learning via Communicative World Models
von: Martinez-Lopez, Fernando, et al.
Veröffentlicht: (2025)

Interpreting Emergent Planning in Model-Free Reinforcement Learning
von: Bush, Thomas, et al.
Veröffentlicht: (2025)

Learning Bug Context for PyTorch-to-JAX Translation with LLMs
von: Phan, Hung, et al.
Veröffentlicht: (2025)

GDSD: Reinforcement Learning as Guided Denoiser Self-Distillation for Diffusion Language Models
von: Tang, Xiaohang, et al.
Veröffentlicht: (2026)

GOPlan: Goal-conditioned Offline Reinforcement Learning by Planning with Learned Models
von: Wang, Mianchu, et al.
Veröffentlicht: (2023)

Model-Based Reinforcement Learning under Random Observation Delays
von: Karamzade, Armin, et al.
Veröffentlicht: (2025)

Evaluating Interpretable Reinforcement Learning by Distilling Policies into Programs
von: Kohler, Hector, et al.
Veröffentlicht: (2025)

Development and Validation of Heparin Dosing Policies Using an Offline Reinforcement Learning Algorithm
von: Lim, Yooseok, et al.
Veröffentlicht: (2024)

PCoreSet: Effective Active Learning through Knowledge Distillation from Vision-Language Models
von: Kang, Seongjae, et al.
Veröffentlicht: (2025)

MaD-Scientist: AI-based Scientist solving Convection-Diffusion-Reaction Equations Using Massive PINN-Based Prior Data
von: Kang, Mingu, et al.
Veröffentlicht: (2024)

Generative Pre-Trained Transformer for Symbolic Regression Base In-Context Reinforcement Learning
von: Li, Yanjie, et al.
Veröffentlicht: (2024)

Treatment Stitching with Schrödinger Bridge for Enhancing Offline Reinforcement Learning in Adaptive Treatment Strategies
von: Shin, Dong-Hee, et al.
Veröffentlicht: (2025)

The Max-Min Formulation of Multi-Objective Reinforcement Learning: From Theory to a Model-Free Algorithm
von: Park, Giseung, et al.
Veröffentlicht: (2024)

FairDICE: Fairness-Driven Offline Multi-Objective Reinforcement Learning
von: Kim, Woosung, et al.
Veröffentlicht: (2025)

Automaton Distillation: Neuro-Symbolic Transfer Learning for Deep Reinforcement Learning
von: Singireddy, Suraj, et al.
Veröffentlicht: (2023)

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

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

Comparative Analysis of Parameterized Action Actor-Critic Reinforcement Learning Algorithms for Web Search Match Plan Generation
von: Bapoo, Ubayd, et al.
Veröffentlicht: (2025)

In-Context Reinforcement Learning through Bayesian Fusion of Context and Value Prior
von: Berkes, Anaïs, et al.
Veröffentlicht: (2026)