Buchumschlag

Stackelberg Coupling of Online Representation Learning and Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Martinez, Fernando, Li, Tao, Lu, Yingdong, Chen, Juntao
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

In-Context Reinforcement Learning via Communicative World Models
von: Martinez-Lopez, Fernando, et al.
Veröffentlicht: (2025)

SPRIG: Stackelberg Perception-Reinforcement Learning with Internal Game Dynamics
von: Martinez-Lopez, Fernando, et al.
Veröffentlicht: (2025)

The Three Regimes of Offline-to-Online Reinforcement Learning
von: Li, Lu, et al.
Veröffentlicht: (2025)

Squeezing More from the Stream : Learning Representation Online for Streaming Reinforcement Learning
von: Nilaksh, et al.
Veröffentlicht: (2026)

Flow-Based Policy for Online Reinforcement Learning
von: Lv, Lei, et al.
Veröffentlicht: (2025)

Controllable Flow Matching for Online Reinforcement Learning
von: Wang, Bin, et al.
Veröffentlicht: (2025)

Ensemble Successor Representations for Task Generalization in Offline-to-Online Reinforcement Learning
von: Wang, Changhong, et al.
Veröffentlicht: (2024)

Diffusion Spectral Representation for Reinforcement Learning
von: Shribak, Dmitry, et al.
Veröffentlicht: (2024)

Hybrid Inverse Reinforcement Learning
von: Ren, Juntao, et al.
Veröffentlicht: (2024)

Safe Reinforcement Learning using Finite-Horizon Gradient-based Estimation
von: Dai, Juntao, et al.
Veröffentlicht: (2024)

Spectral Representation-based Reinforcement Learning
von: Gao, Chenxiao, et al.
Veröffentlicht: (2025)

The Terminal Representation in Reinforcement Learning
von: Esterhuysen, Amir, et al.
Veröffentlicht: (2026)

Representation-Driven Reinforcement Learning
von: Nabati, Ofir, et al.
Veröffentlicht: (2023)

Learning Future Representation with Synthetic Observations for Sample-efficient Reinforcement Learning
von: Liu, Xin, et al.
Veröffentlicht: (2024)

Online Prompt Pricing based on Combinatorial Multi-Armed Bandit and Hierarchical Stackelberg Game
von: Li, Meiling, et al.
Veröffentlicht: (2024)

Learning What Reinforcement Learning Can't: Interleaved Online Fine-Tuning for Hardest Questions
von: Ma, Lu, et al.
Veröffentlicht: (2025)

The Power of Resets in Online Reinforcement Learning
von: Mhammedi, Zakaria, et al.
Veröffentlicht: (2024)

Online Reinforcement Learning with Passive Memory
von: Pattanaik, Anay, et al.
Veröffentlicht: (2024)

Locally Constrained Representations in Reinforcement Learning
von: Nath, Somjit, et al.
Veröffentlicht: (2022)

Learning by Doing: An Online Causal Reinforcement Learning Framework with Causal-Aware Policy
von: Cai, Ruichu, et al.
Veröffentlicht: (2024)

Uncoupled Learning of Differential Stackelberg Equilibria with Commitments
von: Loftin, Robert, et al.
Veröffentlicht: (2023)

RLSynC: Offline-Online Reinforcement Learning for Synthon Completion
von: Baker, Frazier N., et al.
Veröffentlicht: (2023)

Approximate Subgraph Matching with Neural Graph Representations and Reinforcement Learning
von: Li, Kaiyang, et al.
Veröffentlicht: (2026)

ROAD: Adaptive Data Mixing for Offline-to-Online Reinforcement Learning via Bi-Level Optimization
von: Yang, Letian, et al.
Veröffentlicht: (2026)

Online Optimization for Offline Safe Reinforcement Learning
von: Chemingui, Yassine, et al.
Veröffentlicht: (2025)

Kolmogorov-Arnold Network for Online Reinforcement Learning
von: Kich, Victor Augusto, et al.
Veröffentlicht: (2024)

Debiased Offline Representation Learning for Fast Online Adaptation in Non-stationary Dynamics
von: Zhang, Xinyu, et al.
Veröffentlicht: (2024)

Offline-to-Online Reinforcement Learning with Classifier-Free Diffusion Generation
von: Huang, Xiao, et al.
Veröffentlicht: (2025)

Coupled Distributional Random Expert Distillation for World Model Online Imitation Learning
von: Li, Shangzhe, et al.
Veröffentlicht: (2025)

Graph Propagation Transformer for Graph Representation Learning
von: Chen, Zhe, et al.
Veröffentlicht: (2023)

Network Sparsity Unlocks the Scaling Potential of Deep Reinforcement Learning
von: Ma, Guozheng, et al.
Veröffentlicht: (2025)

Federated Learning for Discrete Optimal Transport with Large Population under Incomplete Information
von: Kaur, Navpreet, et al.
Veröffentlicht: (2024)

Enhance Exploration in Safe Reinforcement Learning with Contrastive Representation Learning
von: Doan, Duc Kien, et al.
Veröffentlicht: (2025)

A Survey of State Representation Learning for Deep Reinforcement Learning
von: Echchahed, Ayoub, et al.
Veröffentlicht: (2025)

Towards Fast Safe Online Reinforcement Learning via Policy Finetuning
von: Chen, Keru, et al.
Veröffentlicht: (2024)

Reward Shaping for Inference-Time Alignment: A Stackelberg Game Perspective
von: Wang, Haichuan, et al.
Veröffentlicht: (2026)

Solving Continual Offline Reinforcement Learning with Decision Transformer
von: Huang, Kaixin, et al.
Veröffentlicht: (2024)

Harnessing Discrete Representations For Continual Reinforcement Learning
von: Meyer, Edan, et al.
Veröffentlicht: (2023)

Enhancing Chess Reinforcement Learning with Graph Representation
von: Rigaux, Tomas, et al.
Veröffentlicht: (2024)

Revisiting Plasticity in Visual Reinforcement Learning: Data, Modules and Training Stages
von: Ma, Guozheng, et al.
Veröffentlicht: (2023)