Buchumschlag

Centralized Adaptive Sampling for Reliable Co-Training of Independent Multi-Agent Policies

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Corrado, Nicholas E., Hanna, Josiah P.
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

On-Policy Policy Gradient Reinforcement Learning Without On-Policy Sampling
von: Corrado, Nicholas E., et al.
Veröffentlicht: (2023)

Distributionally Robust Multi-Task Reinforcement Learning via Adaptive Task Sampling
von: Corrado, Nicholas E., et al.
Veröffentlicht: (2026)

Understanding when Dynamics-Invariant Data Augmentations Benefit Model-Free Reinforcement Learning Updates
von: Corrado, Nicholas E., et al.
Veröffentlicht: (2023)

Guided Data Augmentation for Offline Reinforcement Learning and Imitation Learning
von: Corrado, Nicholas E., et al.
Veröffentlicht: (2023)

Demystifying the Paradox of Importance Sampling with an Estimated History-Dependent Behavior Policy in Off-Policy Evaluation
von: Zhou, Hongyi, et al.
Veröffentlicht: (2025)

SaVeR: Optimal Data Collection Strategy for Safe Policy Evaluation in Tabular MDP
von: Mukherjee, Subhojyoti, et al.
Veröffentlicht: (2024)

Adaptive Exploration for Data-Efficient General Value Function Evaluations
von: Jain, Arushi, et al.
Veröffentlicht: (2024)

SPEED: Experimental Design for Policy Evaluation in Linear Heteroscedastic Bandits
von: Mukherjee, Subhojyoti, et al.
Veröffentlicht: (2023)

Pretraining Decision Transformers with Reward Prediction for In-Context Multi-task Structured Bandit Learning
von: Mukherjee, Subhojyoti, et al.
Veröffentlicht: (2024)

When Can Model-Free Reinforcement Learning be Enough for Thinking?
von: Hanna, Josiah P., et al.
Veröffentlicht: (2025)

SMAT: Staged Multi-Agent Training for Co-Adaptive Exoskeleton Control
von: Yuan, Yifei, et al.
Veröffentlicht: (2026)

Policy and World Modeling Co-Training for Language Agents
von: Lu, Ning, et al.
Veröffentlicht: (2026)

Adaptive Sample Sharing for Multi Agent Linear Bandits
von: Cherkaoui, Hamza, et al.
Veröffentlicht: (2023)

Agent-Agnostic Centralized Training for Decentralized Multi-Agent Cooperative Driving
von: Yan, Shengchao, et al.
Veröffentlicht: (2024)

Trust the Batch, On- or Off-Policy: Adaptive Policy Optimization for RL Post-Training
von: Fakoor, Rasool, et al.
Veröffentlicht: (2026)

AutoMixAlign: Adaptive Data Mixing for Multi-Task Preference Optimization in LLMs
von: Corrado, Nicholas E., et al.
Veröffentlicht: (2025)

Stable Offline Value Function Learning with Bisimulation-based Representations
von: Pavse, Brahma S., et al.
Veröffentlicht: (2024)

Adaptive Federated LoRA in Heterogeneous Wireless Networks with Independent Sampling
von: Hou, Yanzhao, et al.
Veröffentlicht: (2025)

Learning to Stabilize Online Reinforcement Learning in Unbounded State Spaces
von: Pavse, Brahma S., et al.
Veröffentlicht: (2023)

Co2PO: Coordinated Constrained Policy Optimization for Multi-Agent RL
von: Patel, Shrenik, et al.
Veröffentlicht: (2026)

An Empirical Study on the Power of Future Prediction in Partially Observable Environments
von: Kwon, Jeongyeol, et al.
Veröffentlicht: (2024)

Reliable Self-Harm Risk Screening via Adaptive Multi-Agent LLM Systems
von: Karnam, Meghana, et al.
Veröffentlicht: (2026)

Action-Graph Policies: Learning Action Co-dependencies in Multi-Agent Reinforcement Learning
von: Gupta, Nikunj, et al.
Veröffentlicht: (2026)

MAT-Agent: Adaptive Multi-Agent Training Optimization
von: Zhang, Jusheng, et al.
Veröffentlicht: (2025)

Adaptive Federated Learning in Heterogeneous Wireless Networks with Independent Sampling
von: Geng, Jiaxiang, et al.
Veröffentlicht: (2024)

Adaptive Gradient Normalization and Independent Sampling for (Stochastic) Generalized-Smooth Optimization
von: Yang, Yufeng, et al.
Veröffentlicht: (2024)

Rollout-Training Co-Design for Efficient LLM-Based Multi-Agent Reinforcement Learning
von: Jiang, Zhida, et al.
Veröffentlicht: (2026)

An Introduction to Centralized Training for Decentralized Execution in Cooperative Multi-Agent Reinforcement Learning
von: Amato, Christopher
Veröffentlicht: (2024)

Offline Multi-Agent Reinforcement Learning via In-Sample Sequential Policy Optimization
von: Liu, Zongkai, et al.
Veröffentlicht: (2024)

CoFi-PGMA: Counterfactual Policy Gradients under Filtered Feedback for Multi-Agent LLMs
von: Tong, Stela, et al.
Veröffentlicht: (2026)

Centralized Permutation Equivariant Policy for Cooperative Multi-Agent Reinforcement Learning
von: Xu, Zhuofan, et al.
Veröffentlicht: (2025)

Co-Optimizing Reconfigurable Environments and Policies for Decentralized Multi-Agent Navigation
von: Gao, Zhan, et al.
Veröffentlicht: (2024)

Reliability-Aware Adaptive Self-Consistency for Efficient Sampling in LLM Reasoning
von: Kim, Junseok, et al.
Veröffentlicht: (2026)

Emergent Coordination and Phase Structure in Independent Multi-Agent Reinforcement Learning
von: Yamaguchi, Azusa
Veröffentlicht: (2025)

Balanced Training of Energy-Based Models with Adaptive Flow Sampling
von: Grenioux, Louis, et al.
Veröffentlicht: (2023)

Fully Independent Communication in Multi-Agent Reinforcement Learning
von: Pina, Rafael, et al.
Veröffentlicht: (2024)

Decentralized Transformers with Centralized Aggregation are Sample-Efficient Multi-Agent World Models
von: Zhang, Yang, et al.
Veröffentlicht: (2024)

Sparsely Multimodal Data Fusion
von: Bjorgaard, Josiah
Veröffentlicht: (2024)

Reinforcement Learning via Auxiliary Task Distillation
von: Harish, Abhinav Narayan, et al.
Veröffentlicht: (2024)

Transition Path Sampling with Improved Off-Policy Training of Diffusion Path Samplers
von: Seong, Kiyoung, et al.
Veröffentlicht: (2024)