Buchumschlag

Deep Learning Agents Trained For Avoidance Behave Like Hawks And Doves

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Reddi, Aryaman
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

Dynamic Obstacle Avoidance with Bounded Rationality Adversarial Reinforcement Learning
von: Holgado-Alvarez, Jose-Luis, et al.
Veröffentlicht: (2025)

$K$-Level Policy Gradients for Multi-Agent Reinforcement Learning
von: Reddi, Aryaman, et al.
Veröffentlicht: (2025)

Streaming Reinforcement Learning under Partial Observability with Real-Time Recurrent Learning
von: Farr, Noah, et al.
Veröffentlicht: (2026)

Behave-XAI: Deep Explainable Learning of Behavioral Representational Data
von: Kamal, Rossi
Veröffentlicht: (2022)

TinyTorch: Building Machine Learning Systems from First Principles
von: Reddi, Vijay Janapa
Veröffentlicht: (2026)

LoFT: Low-Rank Adaptation That Behaves Like Full Fine-Tuning
von: Tastan, Nurbek, et al.
Veröffentlicht: (2025)

Benchmarking Offline Multi-Objective Reinforcement Learning in Critical Care
von: Bansal, Aryaman, et al.
Veröffentlicht: (2025)

Multi-Agent Reinforcement Learning for Sample-Efficient Deep Neural Network Mapping
von: Krishnan, Srivatsan, et al.
Veröffentlicht: (2025)

Generative AI Agents in Autonomous Machines: A Safety Perspective
von: Jabbour, Jason, et al.
Veröffentlicht: (2024)

Assessing Social Alignment: Do Personality-Prompted Large Language Models Behave Like Humans?
von: Zakazov, Ivan, et al.
Veröffentlicht: (2024)

Personalized Prediction By Learning Halfspace Reference Classes Under Well-Behaved Distribution
von: Huang, Jizhou, et al.
Veröffentlicht: (2025)

A Framework for Mining Collectively-Behaving Bots in MMORPGs
von: Kim, Hyunsoo, et al.
Veröffentlicht: (2025)

Value-Based Deep Multi-Agent Reinforcement Learning with Dynamic Sparse Training
von: Hu, Pihe, et al.
Veröffentlicht: (2024)

Multi-Agent Reinforcement Learning-Based UAV Pathfinding for Obstacle Avoidance in Stochastic Environment
von: Wu, Qizhen, et al.
Veröffentlicht: (2023)

D-STEER - Preference Alignment Techniques Learn to Behave, not to Believe -- Beneath the Surface, DPO as Steering Vector Perturbation in Activation Space
von: Raina, Samarth, et al.
Veröffentlicht: (2025)

Using High-Level Patterns to Estimate How Humans Predict a Robot will Behave
von: Parekh, Sagar, et al.
Veröffentlicht: (2024)

LCDB 1.1: A Database Illustrating Learning Curves Are More Ill-Behaved Than Previously Thought
von: Yan, Cheng, et al.
Veröffentlicht: (2025)

Robot Navigation with Entity-Based Collision Avoidance using Deep Reinforcement Learning
von: Kolomeytsev, Yury, et al.
Veröffentlicht: (2024)

Multi-Agent Generative Adversarial Interactive Self-Imitation Learning for AUV Formation Control and Obstacle Avoidance
von: Fang, Zheng, et al.
Veröffentlicht: (2024)

Mamba Hawkes Process
von: Gao, Anningzhe, et al.
Veröffentlicht: (2024)

Can Looped Transformers Learn to Implement Multi-step Gradient Descent for In-context Learning?
von: Gatmiry, Khashayar, et al.
Veröffentlicht: (2024)

Beyond Accuracy: What Matters in Designing Well-Behaved Image Classification Models?
von: Hesse, Robin, et al.
Veröffentlicht: (2025)

On the Role of Depth and Looping for In-Context Learning with Task Diversity
von: Gatmiry, Khashayar, et al.
Veröffentlicht: (2024)

Causal Structure Learning in Hawkes Processes with Complex Latent Confounder Networks
von: Jin, Songyao, et al.
Veröffentlicht: (2025)

Evolving Afferent Architectures: Biologically-inspired Models for Damage-Avoidance Learning
von: Maass, Wolfgang, et al.
Veröffentlicht: (2026)

Robust Deep Hawkes Process under Label Noise of Both Event and Occurrence
von: Tan, Xiaoyu, et al.
Veröffentlicht: (2024)

CLIP Behaves like a Bag-of-Words Model Cross-modally but not Uni-modally
von: Koishigarina, Darina, et al.
Veröffentlicht: (2025)

FedStaleWeight: Buffered Asynchronous Federated Learning with Fair Aggregation via Staleness Reweighting
von: Ma, Jeffrey, et al.
Veröffentlicht: (2024)

Learning Granger Causality from Instance-wise Self-attentive Hawkes Processes
von: Wu, Dongxia, et al.
Veröffentlicht: (2024)

Structured Preconditioners in Adaptive Optimization: A Unified Analysis
von: Xie, Shuo, et al.
Veröffentlicht: (2025)

Learning Bipedal Walking for Humanoid Robots in Challenging Environments with Obstacle Avoidance
von: Hamze, Marwan, et al.
Veröffentlicht: (2024)

Deep Reinforcement Learning for Advanced Longitudinal Control and Collision Avoidance in High-Risk Driving Scenarios
von: Chen, Dianwei, et al.
Veröffentlicht: (2024)

Agent Lightning: Train ANY AI Agents with Reinforcement Learning
von: Luo, Xufang, et al.
Veröffentlicht: (2025)

Massively Parallel Exact Inference for Hawkes Processes
von: Raza, Ahmer, et al.
Veröffentlicht: (2026)

Three-Way Trade-Off in Multi-Objective Learning: Optimization, Generalization and Conflict-Avoidance
von: Chen, Lisha, et al.
Veröffentlicht: (2023)

Learning-based Autonomous Oversteer Control and Collision Avoidance
von: Lee, Seokjun, et al.
Veröffentlicht: (2025)

Sparklen: A Statistical Learning Toolkit for High-Dimensional Hawkes Processes in Python
von: Lacoste, Romain Edmond
Veröffentlicht: (2025)

IntentRL: Training Proactive User-intent Agents for Open-ended Deep Research via Reinforcement Learning
von: Luo, Haohao, et al.
Veröffentlicht: (2026)

Nonparametric estimation of Hawkes processes with RKHSs
von: Bonnet, Anna, et al.
Veröffentlicht: (2024)

Forecasting GPU Performance for Deep Learning Training and Inference
von: Lee, Seonho, et al.
Veröffentlicht: (2024)