Buchumschlag

NTRL: Encounter Generation via Reinforcement Learning for Dynamic Difficulty Adjustment in Dungeons and Dragons

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Romeo, Carlo, Bagdanov, Andrew D.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Offline Reinforcement Learning with Imputed Rewards
von: Romeo, Carlo, et al.
Veröffentlicht: (2024)

ARC-RL: A Reinforcement Learning Playground Inspired by ARC Raiders
von: Romeo, Carlo, et al.
Veröffentlicht: (2026)

SPEQ: Offline Stabilization Phases for Efficient Q-Learning in High Update-To-Data Ratio Reinforcement Learning
von: Romeo, Carlo, et al.
Veröffentlicht: (2025)

SOPE: Stabilizing Off-Policy Evaluation for Online RL with Prior Data
von: Romeo, Carlo, et al.
Veröffentlicht: (2026)

Personalized Dynamic Difficulty Adjustment -- Imitation Learning Meets Reinforcement Learning
von: Fuchs, Ronja, et al.
Veröffentlicht: (2024)

First Steps Towards Overhearing LLM Agents: A Case Study With Dungeons & Dragons Gameplay
von: Zhu, Andrew, et al.
Veröffentlicht: (2025)

A Benchmark Environment for Offline Reinforcement Learning in Racing Games
von: Macaluso, Girolamo, et al.
Veröffentlicht: (2024)

RE-tune: Incremental Fine Tuning of Biomedical Vision-Language Models for Multi-label Chest X-ray Classification
von: Mistretta, Marco, et al.
Veröffentlicht: (2024)

TROFI: Trajectory-Ranked Offline Inverse Reinforcement Learning
von: Sestini, Alessandro, et al.
Veröffentlicht: (2025)

Improving Zero-shot Generalization of Learned Prompts via Unsupervised Knowledge Distillation
von: Mistretta, Marco, et al.
Veröffentlicht: (2024)

SpectralGCD: Spectral Concept Selection and Cross-modal Representation Learning for Generalized Category Discovery
von: Caselli, Lorenzo, et al.
Veröffentlicht: (2026)

Training-Free Diffusion Priors for Text-to-Image Generation via Optimization-based Visual Inversion
von: Dell'Erba, Samuele, et al.
Veröffentlicht: (2025)

DARE: Difficulty-Adaptive Reinforcement Learning with Co-Evolved Difficulty Estimation
von: Zhou, Yang, et al.
Veröffentlicht: (2026)

Adaptive Alignment: Dynamic Preference Adjustments via Multi-Objective Reinforcement Learning for Pluralistic AI
von: Harland, Hadassah, et al.
Veröffentlicht: (2024)

Mitigating Overthinking in Large Reasoning Models via Difficulty-aware Reinforcement Learning
von: Wan, Qian, et al.
Veröffentlicht: (2026)

CVeDRL: An Efficient Code Verifier via Difficulty-aware Reinforcement Learning
von: Shi, Ji, et al.
Veröffentlicht: (2026)

When a Reinforcement Learning Agent Encounters Unknown Unknowns
von: Zhu, Juntian, et al.
Veröffentlicht: (2025)

Online Difficulty Filtering for Reasoning Oriented Reinforcement Learning
von: Bae, Sanghwan, et al.
Veröffentlicht: (2025)

Reasoning and Sampling-Augmented MCQ Difficulty Prediction via LLMs
von: Feng, Wanyong, et al.
Veröffentlicht: (2025)

Cross the Gap: Exposing the Intra-modal Misalignment in CLIP via Modality Inversion
von: Mistretta, Marco, et al.
Veröffentlicht: (2025)

Know When to Explore: Difficulty-Aware Certainty as a Guide for LLM Reinforcement Learning
von: Li, Ang, et al.
Veröffentlicht: (2025)

Increasing the Difficulty of Automatically Generated Questions via Reinforcement Learning with Synthetic Preference
von: Thorne, William, et al.
Veröffentlicht: (2024)

Learning with Challenges: Adaptive Difficulty-Aware Data Generation for Mobile GUI Agent Training
von: Kang, Linjia, et al.
Veröffentlicht: (2026)

Handling Label Noise via Instance-Level Difficulty Modeling and Dynamic Optimization
von: Zhang, Kuan, et al.
Veröffentlicht: (2025)

Rethinking the Sampling Criteria in Reinforcement Learning for LLM Reasoning: A Competence-Difficulty Alignment Perspective
von: Kong, Deyang, et al.
Veröffentlicht: (2025)

DISCO Balances the Scales: Adaptive Domain- and Difficulty-Aware Reinforcement Learning on Imbalanced Data
von: Zhou, Yuhang, et al.
Veröffentlicht: (2025)

Dynamic Contrastive Skill Learning with State-Transition Based Skill Clustering and Dynamic Length Adjustment
von: Choi, Jinwoo, et al.
Veröffentlicht: (2025)

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

Learning Like Humans: Advancing LLM Reasoning Capabilities via Adaptive Difficulty Curriculum Learning and Expert-Guided Self-Reformulation
von: Zhang, Enci, et al.
Veröffentlicht: (2025)

Difficulty-Estimated Policy Optimization
von: Zhao, Yu, et al.
Veröffentlicht: (2026)

LyriCAR: A Difficulty-Aware Curriculum Reinforcement Learning Framework For Controllable Lyric Translation
von: Ren, Le, et al.
Veröffentlicht: (2025)

D$^2$Evo: Dual Difficulty-Aware Self-Evolution for Data-Efficient Reinforcement Learning
von: Zhang, Ru, et al.
Veröffentlicht: (2026)

Revisiting Generalization Across Difficulty Levels: It's Not So Easy
von: Kordi, Yeganeh, et al.
Veröffentlicht: (2025)

VADE: Variance-Aware Dynamic Sampling via Online Sample-Level Difficulty Estimation for Multimodal RL
von: Hu, Zengjie, et al.
Veröffentlicht: (2025)

Interpretable Difficulty-Aware Knowledge Tracing in Tutor-Student Dialogues
von: Huang, Shuyan, et al.
Veröffentlicht: (2026)

Intermediate Layers Encode Optimal Biological Representations in Single-Cell Foundation Models
von: Civale, Vincenzo Yuto, et al.
Veröffentlicht: (2026)

RankQ: Offline-to-Online Reinforcement Learning via Self-Supervised Action Ranking
von: Choi, Andrew, et al.
Veröffentlicht: (2026)

Mitigating Label Shift in Tabular In-Context Learning via Test-Time Posterior Adjustment
von: Lee, Seunghan
Veröffentlicht: (2026)

DeepVideo-R1: Video Reinforcement Fine-Tuning via Difficulty-aware Regressive GRPO
von: Park, Jinyoung, et al.
Veröffentlicht: (2025)

Synthetic Interlocutors. Experiments with Generative AI to Prolong Ethnographic Encounters
von: Søltoft, Johan Irving, et al.
Veröffentlicht: (2024)