Buchumschlag

A Unified Theory of Compositionality, Modularity, and Interpretability in Markov Decision Processes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ringstrom, Thomas J., Schrater, Paul R.
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

Structured Relational Representations
von: Kumar, Arun, et al.
Veröffentlicht: (2025)

Knowledge-Centric Metacognitive Learning
von: Kumar, Arun, et al.
Veröffentlicht: (2024)

Optimal Decision Tree Policies for Markov Decision Processes
von: Vos, Daniël, et al.
Veröffentlicht: (2023)

Markov Decision Processes under External Temporal Processes
von: Ayyagari, Ranga Shaarad, et al.
Veröffentlicht: (2023)

Policy Gradient for Robust Markov Decision Processes
von: Wang, Qiuhao, et al.
Veröffentlicht: (2024)

SPOT: Scalable Policy Optimization with Trees for Markov Decision Processes
von: Xiong, Xuyuan, et al.
Veröffentlicht: (2025)

Act as You Learn: Adaptive Decision-Making in Non-Stationary Markov Decision Processes
von: Luo, Baiting, et al.
Veröffentlicht: (2024)

Solving Robust Markov Decision Processes: Generic, Reliable, Efficient
von: Meggendorfer, Tobias, et al.
Veröffentlicht: (2024)

Hierarchical Average-Reward Linearly-solvable Markov Decision Processes
von: Infante, Guillermo, et al.
Veröffentlicht: (2024)

Linear Mixture Distributionally Robust Markov Decision Processes
von: Liu, Zhishuai, et al.
Veröffentlicht: (2025)

Diffusion-Augmented Markov Decision Processes for Maximum Entropy Reinforcement Learning
von: Sanokowski, Sebastian, et al.
Veröffentlicht: (2025)

Homomorphic Mappings for Value-Preserving State Aggregation in Markov Decision Processes
von: Zhao, Shuo, et al.
Veröffentlicht: (2025)

Dual Formulation for Non-Rectangular Lp Robust Markov Decision Processes
von: Kumar, Navdeep, et al.
Veröffentlicht: (2025)

Efficient and Sharp Off-Policy Evaluation in Robust Markov Decision Processes
von: Bennett, Andrew, et al.
Veröffentlicht: (2024)

Optimistic Regret Bounds for Online Learning in Adversarial Markov Decision Processes
von: Moon, Sang Bin, et al.
Veröffentlicht: (2024)

OCMDP: Observation-Constrained Markov Decision Process
von: Wang, Taiyi, et al.
Veröffentlicht: (2024)

Rethinking Large Language Model Distillation: A Constrained Markov Decision Process Perspective
von: Zimmer, Matthieu, et al.
Veröffentlicht: (2025)

A Cantor-Kantorovich Metric Between Markov Decision Processes with Application to Transfer Learning
von: Banse, Adrien, et al.
Veröffentlicht: (2024)

Provably Efficient Reward Transfer in Reinforcement Learning with Discrete Markov Decision Processes
von: Vora, Kevin, et al.
Veröffentlicht: (2025)

Policy Regularized Distributionally Robust Markov Decision Processes with Linear Function Approximation
von: Gu, Jingwen, et al.
Veröffentlicht: (2025)

MATE: Solving Contextual Markov Decision Processes with Memory of Accumulated Transition Embeddings
von: Hwang, Himchan, et al.
Veröffentlicht: (2026)

REValueD: Regularised Ensemble Value-Decomposition for Factorisable Markov Decision Processes
von: Ireland, David, et al.
Veröffentlicht: (2024)

Globally Optimal Hierarchical Reinforcement Learning for Linearly-Solvable Markov Decision Processes
von: Infante, Guillermo, et al.
Veröffentlicht: (2021)

Conformal Off-Policy Evaluation in Markov Decision Processes
von: Foffano, Daniele, et al.
Veröffentlicht: (2023)

Reinforcement Learning in Switching Non-Stationary Markov Decision Processes: Algorithms and Convergence Analysis
von: Amiri, Mohsen, et al.
Veröffentlicht: (2025)

Policy Gradient Algorithms with Monte Carlo Tree Learning for Non-Markov Decision Processes
von: Morimura, Tetsuro, et al.
Veröffentlicht: (2022)

On the Convergence of Modified Policy Iteration in Risk Sensitive Exponential Cost Markov Decision Processes
von: Murthy, Yashaswini, et al.
Veröffentlicht: (2023)

Almost Sure Convergence of Differential Temporal Difference Learning for Average Reward Markov Decision Processes
von: Blaser, Ethan, et al.
Veröffentlicht: (2026)

Regret Analysis of Policy Gradient Algorithm for Infinite Horizon Average Reward Markov Decision Processes
von: Bai, Qinbo, et al.
Veröffentlicht: (2023)

A Generalized Bisimulation Metric of State Similarity between Markov Decision Processes: From Theoretical Propositions to Applications
von: Tao, Zhenyu, et al.
Veröffentlicht: (2025)

A Unified Theory of Sparse Dictionary Learning in Mechanistic Interpretability: Piecewise Biconvexity and Spurious Minima
von: Tang, Yiming, et al.
Veröffentlicht: (2025)

Training Neural Networks for Modularity aids Interpretability
von: Golechha, Satvik, et al.
Veröffentlicht: (2024)

Observation Adaptation via Annealed Importance Resampling for Partially Observable Markov Decision Processes
von: Zhang, Yunuo, et al.
Veröffentlicht: (2025)

Burning RED: Unlocking Subtask-Driven Reinforcement Learning and Risk-Awareness in Average-Reward Markov Decision Processes
von: Rojas, Juan Sebastian, et al.
Veröffentlicht: (2024)

Playing games with knowledge: AI-Induced delusions need game theoretic interventions
von: Beaumaster, Will, et al.
Veröffentlicht: (2026)

Structural Estimation of Markov Decision Processes in High-Dimensional State Space with Finite-Time Guarantees
von: Zeng, Siliang, et al.
Veröffentlicht: (2022)

An Offline Risk-aware Policy Selection Method for Bayesian Markov Decision Processes
von: Angelotti, Giorgio, et al.
Veröffentlicht: (2021)

A Theory of Interpretable Approximations
von: Bressan, Marco, et al.
Veröffentlicht: (2024)

Inferring Reward Machines and Transition Machines from Partially Observable Markov Decision Processes
von: Wu, Yuly, et al.
Veröffentlicht: (2025)

Quantum Speedups in Regret Analysis of Infinite Horizon Average-Reward Markov Decision Processes
von: Ganguly, Bhargav, et al.
Veröffentlicht: (2023)