Salvato in:
| Autori principali: | Satici, Muhammed Yusuf, Roberts, David L. |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | https://arxiv.org/abs/2502.21181 |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Autonomous Curriculum Design via Relative Entropy Based Task Modifications
di: Satici, Muhammed Yusuf, et al.
Pubblicazione: (2025)
di: Satici, Muhammed Yusuf, et al.
Pubblicazione: (2025)
Reducing Blackwell and Average Optimality to Discounted MDPs via the Blackwell Discount Factor
di: Grand-Clément, Julien, et al.
Pubblicazione: (2023)
di: Grand-Clément, Julien, et al.
Pubblicazione: (2023)
Action-Dependent Optimality-Preserving Reward Shaping
di: Forbes, Grant C., et al.
Pubblicazione: (2025)
di: Forbes, Grant C., et al.
Pubblicazione: (2025)
Discounted Adaptive Online Learning: Towards Better Regularization
di: Zhang, Zhiyu, et al.
Pubblicazione: (2024)
di: Zhang, Zhiyu, et al.
Pubblicazione: (2024)
Uncertainty-Aware Reward Discounting for Mitigating Reward Hacking
di: Singha, Disha
Pubblicazione: (2026)
di: Singha, Disha
Pubblicazione: (2026)
Analyzing and Bridging the Gap between Maximizing Total Reward and Discounted Reward in Deep Reinforcement Learning
di: Yin, Shuyu, et al.
Pubblicazione: (2024)
di: Yin, Shuyu, et al.
Pubblicazione: (2024)
Revisiting Value Iteration: Unified Analysis of Discounted and Average-Reward Cases
di: Mustafin, Arsenii, et al.
Pubblicazione: (2025)
di: Mustafin, Arsenii, et al.
Pubblicazione: (2025)
Reinforcement Learning for Infinite-Horizon Average-Reward Linear MDPs via Approximation by Discounted-Reward MDPs
di: Hong, Kihyuk, et al.
Pubblicazione: (2024)
di: Hong, Kihyuk, et al.
Pubblicazione: (2024)
The Impact of Post-training on Data Contamination
di: Kocyigit, Muhammed Yusuf, et al.
Pubblicazione: (2026)
di: Kocyigit, Muhammed Yusuf, et al.
Pubblicazione: (2026)
Adaptive Discounting of Training Time Attacks
di: Bector, Ridhima, et al.
Pubblicazione: (2024)
di: Bector, Ridhima, et al.
Pubblicazione: (2024)
Towards Improving Reward Design in RL: A Reward Alignment Metric for RL Practitioners
di: Muslimani, Calarina, et al.
Pubblicazione: (2025)
di: Muslimani, Calarina, et al.
Pubblicazione: (2025)
AdaGamma: State-Dependent Discounting for Temporal Adaptation in Reinforcement Learning
di: Wang, Yaomin, et al.
Pubblicazione: (2026)
di: Wang, Yaomin, et al.
Pubblicazione: (2026)
The Plug-in Approach for Average-Reward and Discounted MDPs: Optimal Sample Complexity Analysis
di: Zurek, Matthew, et al.
Pubblicazione: (2024)
di: Zurek, Matthew, et al.
Pubblicazione: (2024)
Online Recommendations for Agents with Discounted Adaptive Preferences
di: Agarwal, Arpit, et al.
Pubblicazione: (2023)
di: Agarwal, Arpit, et al.
Pubblicazione: (2023)
Reward Compatibility: A Framework for Inverse RL
di: Lazzati, Filippo, et al.
Pubblicazione: (2025)
di: Lazzati, Filippo, et al.
Pubblicazione: (2025)
On-Policy RL with Optimal Reward Baseline
di: Hao, Yaru, et al.
Pubblicazione: (2025)
di: Hao, Yaru, et al.
Pubblicazione: (2025)
VI-CuRL: Stabilizing Verifier-Independent RL Reasoning via Confidence-Guided Variance Reduction
di: Cai, Xin-Qiang, et al.
Pubblicazione: (2026)
di: Cai, Xin-Qiang, et al.
Pubblicazione: (2026)
Don't Waste Mistakes: Leveraging Negative RL-Groups via Confidence Reweighting
di: Feng, Yunzhen, et al.
Pubblicazione: (2025)
di: Feng, Yunzhen, et al.
Pubblicazione: (2025)
Natural Policy Gradient for Average Reward Non-Stationary RL
di: Jali, Neharika, et al.
Pubblicazione: (2025)
di: Jali, Neharika, et al.
Pubblicazione: (2025)
RL + Transformer = A General-Purpose Problem Solver
di: Rentschler, Micah, et al.
Pubblicazione: (2025)
di: Rentschler, Micah, et al.
Pubblicazione: (2025)
Reinforcement Learning for Exponential Utility: Algorithms and Convergence in Discounted MDPs
di: Thoppe, Gugan, et al.
Pubblicazione: (2026)
di: Thoppe, Gugan, et al.
Pubblicazione: (2026)
Diagnosing and Mitigating System Bias in Self-Rewarding RL
di: Tan, Chuyi, et al.
Pubblicazione: (2025)
di: Tan, Chuyi, et al.
Pubblicazione: (2025)
Less is more? Rewards in RL for Cyber Defence
di: Bates, Elizabeth, et al.
Pubblicazione: (2025)
di: Bates, Elizabeth, et al.
Pubblicazione: (2025)
Power Distribution Bridges Sampling, Self-Reward RL, and Self-Distillation
di: Tomihari, Akiyoshi, et al.
Pubblicazione: (2026)
di: Tomihari, Akiyoshi, et al.
Pubblicazione: (2026)
General Flexible $f$-divergence for Challenging Offline RL Datasets with Low Stochasticity and Diverse Behavior Policies
di: Wang, Jianxun, et al.
Pubblicazione: (2026)
di: Wang, Jianxun, et al.
Pubblicazione: (2026)
Learning to Reason Efficiently with Discounted Reinforcement Learning
di: Ayoub, Alex, et al.
Pubblicazione: (2025)
di: Ayoub, Alex, et al.
Pubblicazione: (2025)
When Your LLM Reaches End-of-Life: A Framework for Confident Model Migration in Production Systems
di: Casey, Emma, et al.
Pubblicazione: (2026)
di: Casey, Emma, et al.
Pubblicazione: (2026)
Your Reward Function for RL is Your Best PRM for Search: Unifying RL and Search-Based TTS
di: Jin, Can, et al.
Pubblicazione: (2025)
di: Jin, Can, et al.
Pubblicazione: (2025)
Offline RL by Reward-Weighted Fine-Tuning for Conversation Optimization
di: Mukherjee, Subhojyoti, et al.
Pubblicazione: (2025)
di: Mukherjee, Subhojyoti, et al.
Pubblicazione: (2025)
ConfClip: Confidence-Weighted and Clipped Reward for Reinforcement Learning in LLMs
di: Zhang, Bonan, et al.
Pubblicazione: (2025)
di: Zhang, Bonan, et al.
Pubblicazione: (2025)
Confidence-aware Reward Optimization for Fine-tuning Text-to-Image Models
di: Kim, Kyuyoung, et al.
Pubblicazione: (2024)
di: Kim, Kyuyoung, et al.
Pubblicazione: (2024)
Gatekeeper: Improving Model Cascades Through Confidence Tuning
di: Rabanser, Stephan, et al.
Pubblicazione: (2025)
di: Rabanser, Stephan, et al.
Pubblicazione: (2025)
Crowd-PrefRL: Preference-Based Reward Learning from Crowds
di: Chhan, David, et al.
Pubblicazione: (2024)
di: Chhan, David, et al.
Pubblicazione: (2024)
Reinforcement Learning with Quasi-Hyperbolic Discounting
di: Eshwar, S. R., et al.
Pubblicazione: (2024)
di: Eshwar, S. R., et al.
Pubblicazione: (2024)
The Cancellation Hypothesis in Critic-Free RL: From Outcome Rewards to Token Credits
di: Cheng, Tianhao, et al.
Pubblicazione: (2026)
di: Cheng, Tianhao, et al.
Pubblicazione: (2026)
Debate as Reward: A Multi-Agent Reward System for Scientific Ideation via RL Post-Training
di: Salimi, Moein, et al.
Pubblicazione: (2026)
di: Salimi, Moein, et al.
Pubblicazione: (2026)
FlowRL: Matching Reward Distributions for LLM Reasoning
di: Zhu, Xuekai, et al.
Pubblicazione: (2025)
di: Zhu, Xuekai, et al.
Pubblicazione: (2025)
ToolRL: Reward is All Tool Learning Needs
di: Qian, Cheng, et al.
Pubblicazione: (2025)
di: Qian, Cheng, et al.
Pubblicazione: (2025)
The Implicit Curriculum: Learning Dynamics in RL with Verifiable Rewards
di: Huang, Yu, et al.
Pubblicazione: (2026)
di: Huang, Yu, et al.
Pubblicazione: (2026)
MARBLE: Multi-Aspect Reward Balance for Diffusion RL
di: Zhao, Canyu, et al.
Pubblicazione: (2026)
di: Zhao, Canyu, et al.
Pubblicazione: (2026)
Documenti analoghi
-
Autonomous Curriculum Design via Relative Entropy Based Task Modifications
di: Satici, Muhammed Yusuf, et al.
Pubblicazione: (2025) -
Reducing Blackwell and Average Optimality to Discounted MDPs via the Blackwell Discount Factor
di: Grand-Clément, Julien, et al.
Pubblicazione: (2023) -
Action-Dependent Optimality-Preserving Reward Shaping
di: Forbes, Grant C., et al.
Pubblicazione: (2025) -
Discounted Adaptive Online Learning: Towards Better Regularization
di: Zhang, Zhiyu, et al.
Pubblicazione: (2024) -
Uncertainty-Aware Reward Discounting for Mitigating Reward Hacking
di: Singha, Disha
Pubblicazione: (2026)