Learning Reasoning Rewards from Expert Demonstrations with Inverse Reinforcement Learning
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Fanconi, Claudio, Astorga, Nicolás, van der Schaar, Mihaela |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Cascaded Language Models for Cost-effective Human-AI Decision-Making
par: Fanconi, Claudio, et autres
Publié: (2025)
par: Fanconi, Claudio, et autres
Publié: (2025)
Inverse-RLignment: Large Language Model Alignment from Demonstrations through Inverse Reinforcement Learning
par: Sun, Hao, et autres
Publié: (2024)
par: Sun, Hao, et autres
Publié: (2024)
Few-shot Steerable Alignment: Adapting Rewards and LLM Policies with Neural Processes
par: Kobalczyk, Katarzyna, et autres
Publié: (2024)
par: Kobalczyk, Katarzyna, et autres
Publié: (2024)
CauSim: Scaling Causal Reasoning with Increasingly Complex Causal Simulators
par: Astorga, Nicolás, et autres
Publié: (2026)
par: Astorga, Nicolás, et autres
Publié: (2026)
Inverse Reinforcement Learning Meets Large Language Model Post-Training: Basics, Advances, and Opportunities
par: Sun, Hao, et autres
Publié: (2025)
par: Sun, Hao, et autres
Publié: (2025)
Timely Clinical Diagnosis through Active Test Selection
par: Estévez, Silas Ruhrberg, et autres
Publié: (2025)
par: Estévez, Silas Ruhrberg, et autres
Publié: (2025)
Active Timepoint Selection for Learning Measure-Valued Trajectories
par: Huynh, Nicolas, et autres
Publié: (2026)
par: Huynh, Nicolas, et autres
Publié: (2026)
Large Language Models to Enhance Bayesian Optimization
par: Liu, Tennison, et autres
Publié: (2024)
par: Liu, Tennison, et autres
Publié: (2024)
Truly Self-Improving Agents Require Intrinsic Metacognitive Learning
par: Liu, Tennison, et autres
Publié: (2025)
par: Liu, Tennison, et autres
Publié: (2025)
Active Task Disambiguation with LLMs
par: Kobalczyk, Katarzyna, et autres
Publié: (2025)
par: Kobalczyk, Katarzyna, et autres
Publié: (2025)
Not All Explanations for Deep Learning Phenomena Are Equally Valuable
par: Jeffares, Alan, et autres
Publié: (2025)
par: Jeffares, Alan, et autres
Publié: (2025)
Preference Learning for AI Alignment: a Causal Perspective
par: Kobalczyk, Katarzyna, et autres
Publié: (2025)
par: Kobalczyk, Katarzyna, et autres
Publié: (2025)
Agents Require Metacognitive and Strategic Reasoning to Succeed in the Coming Labor Markets
par: Zhang, Simpson, et autres
Publié: (2025)
par: Zhang, Simpson, et autres
Publié: (2025)
Query-Dependent Prompt Evaluation and Optimization with Offline Inverse RL
par: Sun, Hao, et autres
Publié: (2023)
par: Sun, Hao, et autres
Publié: (2023)
Tiny Autoregressive Recursive Models
par: Rauba, Paulius, et autres
Publié: (2026)
par: Rauba, Paulius, et autres
Publié: (2026)
Simulating Viva Voce Examinations to Evaluate Clinical Reasoning in Large Language Models
par: Chiu, Christopher, et autres
Publié: (2025)
par: Chiu, Christopher, et autres
Publié: (2025)
Deep Learning Through A Telescoping Lens: A Simple Model Provides Empirical Insights On Grokking, Gradient Boosting & Beyond
par: Jeffares, Alan, et autres
Publié: (2024)
par: Jeffares, Alan, et autres
Publié: (2024)
Hyperparameter Trajectory Inference with Conditional Lagrangian Optimal Transport
par: Amad, Harry, et autres
Publié: (2026)
par: Amad, Harry, et autres
Publié: (2026)
Causal Deep Learning
par: Berrevoets, Jeroen, et autres
Publié: (2023)
par: Berrevoets, Jeroen, et autres
Publié: (2023)
Discovery of Hidden Miscalibration Regimes
par: Kobalczyk, Katarzyna, et autres
Publié: (2026)
par: Kobalczyk, Katarzyna, et autres
Publié: (2026)
Language Bottleneck Models for Qualitative Knowledge State Modeling
par: Berthon, Antonin, et autres
Publié: (2025)
par: Berthon, Antonin, et autres
Publié: (2025)
Self-Healing Machine Learning: A Framework for Autonomous Adaptation in Real-World Environments
par: Rauba, Paulius, et autres
Publié: (2024)
par: Rauba, Paulius, et autres
Publié: (2024)
Machine Learning with Requirements: a Manifesto
par: Giunchiglia, Eleonora, et autres
Publié: (2023)
par: Giunchiglia, Eleonora, et autres
Publié: (2023)
The Synergy of LLMs & RL Unlocks Offline Learning of Generalizable Language-Conditioned Policies with Low-fidelity Data
par: Pouplin, Thomas, et autres
Publié: (2024)
par: Pouplin, Thomas, et autres
Publié: (2024)
Reusing Embeddings: Reproducible Reward Model Research in Large Language Model Alignment without GPUs
par: Sun, Hao, et autres
Publié: (2025)
par: Sun, Hao, et autres
Publié: (2025)
You can't handle the (dirty) truth: Data-centric insights improve pseudo-labeling
par: Seedat, Nabeel, et autres
Publié: (2024)
par: Seedat, Nabeel, et autres
Publié: (2024)
Time Series Diffusion in the Frequency Domain
par: Crabbé, Jonathan, et autres
Publié: (2024)
par: Crabbé, Jonathan, et autres
Publié: (2024)
Curated LLM: Synergy of LLMs and Data Curation for tabular augmentation in low-data regimes
par: Seedat, Nabeel, et autres
Publié: (2023)
par: Seedat, Nabeel, et autres
Publié: (2023)
Strategic Self-Improvement for Competitive Agents in AI Labour Markets
par: Chiu, Christopher, et autres
Publié: (2025)
par: Chiu, Christopher, et autres
Publié: (2025)
OpenReview Should be Protected and Leveraged as a Community Asset for Research in the Era of Large Language Models
par: Sun, Hao, et autres
Publié: (2025)
par: Sun, Hao, et autres
Publié: (2025)
Eliciting Numerical Predictive Distributions of LLMs Without Autoregression
par: Piskorz, Julianna, et autres
Publié: (2026)
par: Piskorz, Julianna, et autres
Publié: (2026)
When is Off-Policy Evaluation (Reward Modeling) Useful in Contextual Bandits? A Data-Centric Perspective
par: Sun, Hao, et autres
Publié: (2023)
par: Sun, Hao, et autres
Publié: (2023)
Inverse Reinforcement Learning without an Optimal Demonstrator: A Feasible Reward Set Approach
par: Kim, Kihyun, et autres
Publié: (2026)
par: Kim, Kihyun, et autres
Publié: (2026)
AutoPrognosis 2.0: Democratizing Diagnostic and Prognostic Modeling in Healthcare with Automated Machine Learning
par: Imrie, Fergus, et autres
Publié: (2022)
par: Imrie, Fergus, et autres
Publié: (2022)
Semantic-KG: Using Knowledge Graphs to Construct Benchmarks for Measuring Semantic Similarity
par: Wei, Qiyao, et autres
Publié: (2025)
par: Wei, Qiyao, et autres
Publié: (2025)
Inverse Reinforcement Learning by Estimating Expertise of Demonstrators
par: Beliaev, Mark, et autres
Publié: (2024)
par: Beliaev, Mark, et autres
Publié: (2024)
DC-Check: A Data-Centric AI checklist to guide the development of reliable machine learning systems
par: Seedat, Nabeel, et autres
Publié: (2022)
par: Seedat, Nabeel, et autres
Publié: (2022)
Interpretable DNA Sequence Classification via Dynamic Feature Generation in Decision Trees
par: Huynh, Nicolas, et autres
Publié: (2026)
par: Huynh, Nicolas, et autres
Publié: (2026)
Learning Neural Control Barrier Functions from Expert Demonstrations using Inverse Constraint Learning
par: Yang, Yuxuan, et autres
Publié: (2025)
par: Yang, Yuxuan, et autres
Publié: (2025)
Meta-Learners for Partially-Identified Treatment Effects Across Multiple Environments
par: Schweisthal, Jonas, et autres
Publié: (2024)
par: Schweisthal, Jonas, et autres
Publié: (2024)
Documents similaires
-
Cascaded Language Models for Cost-effective Human-AI Decision-Making
par: Fanconi, Claudio, et autres
Publié: (2025) -
Inverse-RLignment: Large Language Model Alignment from Demonstrations through Inverse Reinforcement Learning
par: Sun, Hao, et autres
Publié: (2024) -
Few-shot Steerable Alignment: Adapting Rewards and LLM Policies with Neural Processes
par: Kobalczyk, Katarzyna, et autres
Publié: (2024) -
CauSim: Scaling Causal Reasoning with Increasingly Complex Causal Simulators
par: Astorga, Nicolás, et autres
Publié: (2026) -
Inverse Reinforcement Learning Meets Large Language Model Post-Training: Basics, Advances, and Opportunities
par: Sun, Hao, et autres
Publié: (2025)