Buchumschlag

Towards Monotonic Improvement in In-Context Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Wenhao, Zhang, Shao, Wang, Xihuai, Li, Yang, Wen, Ying
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

PMAT: Optimizing Action Generation Order in Multi-Agent Reinforcement Learning
von: Hu, Kun, et al.
Veröffentlicht: (2025)

Model-based Multi-agent Reinforcement Learning: Recent Progress and Prospects
von: Wang, Xihuai, et al.
Veröffentlicht: (2022)

ZSC-Eval: An Evaluation Toolkit and Benchmark for Multi-agent Zero-shot Coordination
von: Wang, Xihuai, et al.
Veröffentlicht: (2023)

Towards Large-Scale In-Context Reinforcement Learning by Meta-Training in Randomized Worlds
von: Wang, Fan, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning Guided Improvement Heuristic for Job Shop Scheduling
von: Zhang, Cong, et al.
Veröffentlicht: (2022)

Mixture-of-Experts Meets In-Context Reinforcement Learning
von: Wu, Wenhao, et al.
Veröffentlicht: (2025)

Transformers Provably Implement In-Context Reinforcement Learning with Policy Improvement
von: Liang, Haodong, et al.
Veröffentlicht: (2026)

HRLAIF: Improvements in Helpfulness and Harmlessness in Open-domain Reinforcement Learning From AI Feedback
von: Li, Ang, et al.
Veröffentlicht: (2024)

Provable and Practical In-Context Policy Optimization for Self-Improvement
von: Yu, Tianrun, et al.
Veröffentlicht: (2026)

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

Leveraging Dual Process Theory in Language Agent Framework for Real-time Simultaneous Human-AI Collaboration
von: Zhang, Shao, et al.
Veröffentlicht: (2025)

Cooperative Open-ended Learning Framework for Zero-shot Coordination
von: Li, Yang, et al.
Veröffentlicht: (2023)

CPGD: Toward Stable Rule-based Reinforcement Learning for Language Models
von: Liu, Zongkai, et al.
Veröffentlicht: (2025)

Reinforcing Language Agents via Policy Optimization with Action Decomposition
von: Wen, Muning, et al.
Veröffentlicht: (2024)

Towards Robust Offline Reinforcement Learning under Diverse Data Corruption
von: Yang, Rui, et al.
Veröffentlicht: (2023)

Blending Imitation and Reinforcement Learning for Robust Policy Improvement
von: Liu, Xuefeng, et al.
Veröffentlicht: (2023)

Soft Conflict-Resolution Decision Transformer for Offline Multi-Task Reinforcement Learning
von: Wang, Shudong, et al.
Veröffentlicht: (2025)

SRFT: A Single-Stage Method with Supervised and Reinforcement Fine-Tuning for Reasoning
von: Fu, Yuqian, et al.
Veröffentlicht: (2025)

Towards User-level Private Reinforcement Learning with Human Feedback
von: Zhang, Jiaming, et al.
Veröffentlicht: (2025)

Entropy-Regularized Token-Level Policy Optimization for Language Agent Reinforcement
von: Wen, Muning, et al.
Veröffentlicht: (2024)

Contrastive Representation for Data Filtering in Cross-Domain Offline Reinforcement Learning
von: Wen, Xiaoyu, et al.
Veröffentlicht: (2024)

On the Entropy Dynamics in Reinforcement Fine-Tuning of Large Language Models
von: Wang, Shumin, et al.
Veröffentlicht: (2026)

Training Long-Context LLMs Efficiently via Chunk-wise Optimization
von: Li, Wenhao, et al.
Veröffentlicht: (2025)

In-Context Compositional Q-Learning for Offline Reinforcement Learning
von: Xu, Qiushui, et al.
Veröffentlicht: (2025)

LPPG-RL: Lexicographically Projected Policy Gradient Reinforcement Learning with Subproblem Exploration
von: Qiu, Ruiyu, et al.
Veröffentlicht: (2025)

Provable Reward-Agnostic Preference-Based Reinforcement Learning
von: Zhan, Wenhao, et al.
Veröffentlicht: (2023)

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

Constraint-Conditioned Policy Optimization for Versatile Safe Reinforcement Learning
von: Yao, Yihang, et al.
Veröffentlicht: (2023)

Context and Diversity Matter: The Emergence of In-Context Learning in World Models
von: Wang, Fan, et al.
Veröffentlicht: (2025)

EFRame: Deeper Reasoning via Exploration-Filter-Replay Reinforcement Learning Framework
von: Wang, Chen, et al.
Veröffentlicht: (2025)

Towards General-Purpose Model-Free Reinforcement Learning
von: Fujimoto, Scott, et al.
Veröffentlicht: (2025)

Automated Reinforcement Learning: An Overview
von: Afshar, Reza Refaei, et al.
Veröffentlicht: (2022)

On-Policy RL Meets Off-Policy Experts: Harmonizing Supervised Fine-Tuning and Reinforcement Learning via Dynamic Weighting
von: Zhang, Wenhao, et al.
Veröffentlicht: (2025)

LearnAlign: Data Selection for LLM Reinforcement Learning with Improved Gradient Alignment
von: Li, Shipeng, et al.
Veröffentlicht: (2025)

Towards Safe Reinforcement Learning via Constraining Conditional Value-at-Risk
von: Ying, Chengyang, et al.
Veröffentlicht: (2022)

Towards Automated Semantic Interpretability in Reinforcement Learning via Vision-Language Models
von: Li, Zhaoxin, et al.
Veröffentlicht: (2025)

In-Context Reinforcement Learning through Bayesian Fusion of Context and Value Prior
von: Berkes, Anaïs, et al.
Veröffentlicht: (2026)

A Survey on Neural Architecture Search Based on Reinforcement Learning
von: Shao, Wenzhu
Veröffentlicht: (2024)

Compiler-R1: Towards Agentic Compiler Auto-tuning with Reinforcement Learning
von: Pan, Haolin, et al.
Veröffentlicht: (2025)

In-Context Decision Transformer: Reinforcement Learning via Hierarchical Chain-of-Thought
von: Huang, Sili, et al.
Veröffentlicht: (2024)