Buchumschlag

Rule-Guided Reinforcement Learning Policy Evaluation and Improvement

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tappler, Martin, Lopez-Miguel, Ignacio D., Tschiatschek, Sebastian, Bartocci, Ezio
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Evaluating Reinforcement Learning Safety and Trustworthiness in Cyber-Physical Systems
von: Dearstyne, Katherine, et al.
Veröffentlicht: (2025)

Mining Action Rules for Defect Reduction Planning
von: Oueslati, Khouloud, et al.
Veröffentlicht: (2024)

Evaluation and Improvement of Fault Detection for Large Language Models
von: Hu, Qiang, et al.
Veröffentlicht: (2024)

SQAPlanner: Generating Data-Informed Software Quality Improvement Plans
von: Rajapaksha, Dilini, et al.
Veröffentlicht: (2021)

Automating Formal Verification with Reinforcement Learning and Recursive Inference
von: Tan, Max
Veröffentlicht: (2026)

Runtime Anomaly Detection for Drones: An Integrated Rule-Mining and Unsupervised-Learning Approach
von: Tan, Ivan, et al.
Veröffentlicht: (2025)

Domain-Adaptable Reinforcement Learning for Code Generation with Dense Rewards
von: Jolfaei, Erfan Aghadavoodi, et al.
Veröffentlicht: (2026)

Adaptive Reinforcement Learning for Dynamic Configuration Allocation in Pre-Production Testing
von: Zhu, Yu
Veröffentlicht: (2025)

LogPurge: Log Data Purification for Anomaly Detection via Rule-Enhanced Filtering
von: Zhang, Shenglin, et al.
Veröffentlicht: (2025)

Reinforcement Learning from Automatic Feedback for High-Quality Unit Test Generation
von: Steenhoek, Benjamin, et al.
Veröffentlicht: (2023)

Reinforcement Learning from Automatic Feedback for High-Quality Unit Test Generation
von: Steenhoek, Benjamin, et al.
Veröffentlicht: (2024)

AgentForge: A Flexible Low-Code Platform for Reinforcement Learning Agent Design
von: Junior, Francisco Erivaldo Fernandes, et al.
Veröffentlicht: (2024)

EditLord: Learning Code Transformation Rules for Code Editing
von: Li, Weichen, et al.
Veröffentlicht: (2025)

RLHGNN: Reinforcement Learning-driven Heterogeneous Graph Neural Network for Next Activity Prediction in Business Processes
von: Wang, Jiaxing, et al.
Veröffentlicht: (2025)

GRAPH-GRPO-LEX: Contract Graph Modeling and Reinforcement Learning with Group Relative Policy Optimization
von: Dechtiar, Moriya, et al.
Veröffentlicht: (2025)

Should Code Models Learn Pedagogically? A Preliminary Evaluation of Curriculum Learning for Real-World Software Engineering Tasks
von: Khant, Kyi Shin, et al.
Veröffentlicht: (2025)

Influence-Guided Concolic Testing of Transformer Robustness
von: Hong, Chih-Duo, et al.
Veröffentlicht: (2025)

Uncertainty-Guided Label Rebalancing for CPS Safety Monitoring
von: Ayotunde, John, et al.
Veröffentlicht: (2026)

Reinforcement Learning for Testing Interdependent Requirements in Autonomous Vehicles: An Empirical Study
von: Wu, Jiahui, et al.
Veröffentlicht: (2025)

Leveraging Reward Models for Guiding Code Review Comment Generation
von: Sghaier, Oussama Ben, et al.
Veröffentlicht: (2025)

Verifier-Guided Code Translation via Meta-Step Decoding
von: Zhou, Tianyang, et al.
Veröffentlicht: (2026)

Hypergraph-Guided Regex Filter Synthesis for Event-Based Anomaly Detection
von: Ferreira, Margarida, et al.
Veröffentlicht: (2025)

Shapley-Guided Neural Repair Approach via Derivative-Free Optimization
von: Sun, Xinyu, et al.
Veröffentlicht: (2026)

LLM-Guided Runtime Parameter Optimization for Energy-Efficient Model Inference
von: Crumpacker, Katelyn, et al.
Veröffentlicht: (2026)

On the Usage of Continual Learning for Out-of-Distribution Generalization in Pre-trained Language Models of Code
von: Weyssow, Martin, et al.
Veröffentlicht: (2023)

Optimising for Energy Efficiency and Performance in Machine Learning
von: Ferreira, Emile Dos Santos, et al.
Veröffentlicht: (2026)

Cerberus: Multi-Agent Reasoning and Coverage-Guided Exploration for Static Detection of Runtime Errors
von: Dhulipala, Hridya, et al.
Veröffentlicht: (2025)

PrismaDV: Automated Task-Aware Data Unit Test Generation
von: Chen, Hao, et al.
Veröffentlicht: (2026)

A Reference Architecture of Reinforcement Learning Frameworks
von: Liu, Xiaoran, et al.
Veröffentlicht: (2026)

Code-Aware Prompting: A study of Coverage Guided Test Generation in Regression Setting using LLM
von: Ryan, Gabriel, et al.
Veröffentlicht: (2024)

Toward Debugging Deep Reinforcement Learning Programs with RLExplorer
von: Bouchoucha, Rached, et al.
Veröffentlicht: (2024)

GrowthHacker: Automated Off-Policy Evaluation Optimization Using Code-Modifying LLM Agents
von: Wu, Jie JW, et al.
Veröffentlicht: (2025)

Diff-XYZ: A Benchmark for Evaluating Diff Understanding
von: Glukhov, Evgeniy, et al.
Veröffentlicht: (2025)

Unsupervised Evaluation of Code LLMs with Round-Trip Correctness
von: Allamanis, Miltiadis, et al.
Veröffentlicht: (2024)

Bootstrapping Coding Agents: The Specification Is the Program
von: Monperrus, Martin
Veröffentlicht: (2026)

Declarative Scenario-based Testing with RoadLogic
von: Bartocci, Ezio, et al.
Veröffentlicht: (2026)

Guiding the retraining of convolutional neural networks against adversarial inputs
von: López, Francisco Durán, et al.
Veröffentlicht: (2022)

A Flexible Cell Classification for ML Projects in Jupyter Notebooks
von: Perez, Miguel, et al.
Veröffentlicht: (2024)

Evaluating and Mitigating Errors in LLM-Generated Web API Integrations
von: Maninger, Daniel, et al.
Veröffentlicht: (2025)

Comparative Separation: Evaluating Separation on Comparative Judgment Test Data
von: Xi, Xiaoyin, et al.
Veröffentlicht: (2026)