Buchumschlag

Use the Online Network If You Can: Towards Fast and Stable Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hendawy, Ahmed, Metternich, Henrik, Vincent, Théo, Kallel, Mahdi, Peters, Jan, D'Eramo, Carlo
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

Multi-Task Reinforcement Learning with Mixture of Orthogonal Experts
von: Hendawy, Ahmed, et al.
Veröffentlicht: (2023)

Do Not Imitate, Reinforce: Iterative Classification via Belief Refinement
von: Kallel, Mahdi, et al.
Veröffentlicht: (2026)

Eau De $Q$-Network: Adaptive Distillation of Neural Networks in Deep Reinforcement Learning
von: Vincent, Théo, et al.
Veröffentlicht: (2025)

Adaptive $Q$-Network: On-the-fly Target Selection for Deep Reinforcement Learning
von: Vincent, Théo, et al.
Veröffentlicht: (2024)

Iterated $Q$-Network: Beyond One-Step Bellman Updates in Deep Reinforcement Learning
von: Vincent, Théo, et al.
Veröffentlicht: (2024)

Augmented Bayesian Policy Search
von: Kallel, Mahdi, et al.
Veröffentlicht: (2024)

On the Benefit of Optimal Transport for Curriculum Reinforcement Learning
von: Klink, Pascal, et al.
Veröffentlicht: (2023)

Streaming Reinforcement Learning under Partial Observability with Real-Time Recurrent Learning
von: Farr, Noah, et al.
Veröffentlicht: (2026)

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

Sharing Knowledge in Multi-Task Deep Reinforcement Learning
von: D'Eramo, Carlo, et al.
Veröffentlicht: (2024)

Bridging the Performance Gap Between Target-Free and Target-Based Reinforcement Learning
von: Vincent, Théo, et al.
Veröffentlicht: (2025)

Learning to Explore in Diverse Reward Settings via Temporal-Difference-Error Maximization
von: Griesbach, Sebastian, et al.
Veröffentlicht: (2025)

Parameterized Projected Bellman Operator
von: Vincent, Théo, et al.
Veröffentlicht: (2023)

Deterministic Exploration via Stationary Bellman Error Maximization
von: Griesbach, Sebastian, et al.
Veröffentlicht: (2024)

Gradient Iterated Temporal-Difference Learning
von: Vincent, Théo, et al.
Veröffentlicht: (2026)

Dynamic Obstacle Avoidance with Bounded Rationality Adversarial Reinforcement Learning
von: Holgado-Alvarez, Jose-Luis, et al.
Veröffentlicht: (2025)

Machine Learning with Physics Knowledge for Prediction: A Survey
von: Watson, Joe, et al.
Veröffentlicht: (2024)

Domain Randomization via Entropy Maximization
von: Tiboni, Gabriele, et al.
Veröffentlicht: (2023)

Light to Heavy, Brief to Eternal: An Axion for Every Occasion (in the Early Universe)
von: D'Eramo, Francesco
Veröffentlicht: (2026)

Axion Portal to Scalar Dark Matter: Unveiling Stabilizing Symmetry Footprints
von: D'Eramo, Francesco, et al.
Veröffentlicht: (2025)

Back to the phase space: thermal axion dark radiation via couplings to standard model fermions
von: D'Eramo, Francesco, et al.
Veröffentlicht: (2024)

Probing Non-Minimal Dark Sectors via the 21 cm Line at Cosmic Dawn
von: Cima, Federico, et al.
Veröffentlicht: (2025)

Dark Matter Freeze-In and Small-Scale Observables: Novel Mass Bounds and Viable Particle Candidates
von: D'Eramo, Francesco, et al.
Veröffentlicht: (2025)

Ultralight Dark Matter from the Edge of Field Space
von: Becker, Mathias, et al.
Veröffentlicht: (2025)

Seasons of Dark Matter Freeze-In Shaped by the Weather of the Early Universe
von: D'Eramo, Francesco, et al.
Veröffentlicht: (2025)

Cosmic-Ray Signatures of Annihilating and Semi-Annihilating Dark Matter via One-Step Cascades
von: D'Eramo, Francesco, et al.
Veröffentlicht: (2026)

Irreducible cosmological backgrounds of a real scalar with a broken symmetry
von: D'Eramo, Francesco, et al.
Veröffentlicht: (2024)

Dark Radiation from the Primordial Thermal Bath in Momentum Space
von: D'Eramo, Francesco, et al.
Veröffentlicht: (2023)

Contact Energy Based Hindsight Experience Prioritization
von: Sayar, Erdi, et al.
Veröffentlicht: (2023)

Deep Reinforcement Learning Agents are not even close to Human Intelligence
von: Delfosse, Quentin, et al.
Veröffentlicht: (2025)

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

FlashSAC: Fast and Stable Off-Policy Reinforcement Learning for High-Dimensional Robot Control
von: Kim, Donghu, et al.
Veröffentlicht: (2026)

Lift What You Can: Green Online Learning with Heterogeneous Ensembles
von: Köbschall, Kirsten, et al.
Veröffentlicht: (2025)

Apple: Toward General Active Perception via Reinforcement Learning
von: Schneider, Tim, et al.
Veröffentlicht: (2025)

Squint: Fast Visual Reinforcement Learning for Sim-to-Real Robotics
von: Almuzairee, Abdulaziz, et al.
Veröffentlicht: (2026)

Discovering What You Can Control: Interventional Boundary Discovery for Reinforcement Learning
von: Liu, Jiaxin, et al.
Veröffentlicht: (2026)

Stable Port-Hamiltonian Neural Networks
von: Roth, Fabian J., et al.
Veröffentlicht: (2025)

HyperController: A Hyperparameter Controller for Fast and Stable Training of Reinforcement Learning Neural Networks
von: Gornet, Jonathan, et al.
Veröffentlicht: (2025)

Maximum Total Correlation Reinforcement Learning
von: You, Bang, et al.
Veröffentlicht: (2025)

Seer: Online Context Learning for Fast Synchronous LLM Reinforcement Learning
von: Qin, Ruoyu, et al.
Veröffentlicht: (2025)