:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mignacco, Chiara, Jonckheere, Matthieu, Stoltz, Gilles
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2510.06515
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Policy Optimization via Adv2: Adversarial Learning on Advantage Functions
von: Jonckheere, Matthieu, et al.
Veröffentlicht: (2023)

Narrowing the Gap between Adversarial and Stochastic MDPs via Policy Optimization
von: Tiapkin, Daniil, et al.
Veröffentlicht: (2024)

Efficiency of Parallel and Restart Exploration Strategies in Model Free Stochastic Simulations
von: Garcia, Ernesto, et al.
Veröffentlicht: (2025)

Optimization Trade-offs in Asynchronous Federated Learning: A Stochastic Networks Approach
von: Alahyane, Abdelkrim, et al.
Veröffentlicht: (2026)

Score-Aware Policy-Gradient and Performance Guarantees using Local Lyapunov Stability
von: Comte, Céline, et al.
Veröffentlicht: (2023)

Blackwell's Approachability for Sequential Conformal Inference
von: Principato, Guillaume, et al.
Veröffentlicht: (2025)

Evolving Diffusion and Flow Matching Policies for Online Reinforcement Learning
von: Zhang, Chubin, et al.
Veröffentlicht: (2025)

Queuing dynamics of asynchronous Federated Learning
von: Leconte, Louis, et al.
Veröffentlicht: (2024)

Optimizing Asynchronous Federated Learning: A Delicate Trade-Off Between Model-Parameter Staleness and Update Frequency
von: Alahyane, Abdelkrim, et al.
Veröffentlicht: (2025)

Parametrized Power-Iteration Clustering for Directed Graphs
von: Debaussart-Joniec, Gwendal, et al.
Veröffentlicht: (2022)

Optimal Protocols for Continual Learning via Statistical Physics and Control Theory
von: Mori, Francesco, et al.
Veröffentlicht: (2024)

ReinFlow: Fine-tuning Flow Matching Policy with Online Reinforcement Learning
von: Zhang, Tonghe, et al.
Veröffentlicht: (2025)

Reinforcement Learning for Flow-Matching Policies
von: Pfrommer, Samuel, et al.
Veröffentlicht: (2025)

Analytic theory of dropout regularization
von: Mori, Francesco, et al.
Veröffentlicht: (2025)

Diversity-Preserving K-Armed Bandits, Revisited
von: Hadiji, Hédi, et al.
Veröffentlicht: (2020)

Generalized Dirichlet Energy and Graph Laplacians for Clustering Directed and Undirected Graphs
von: Sevi, Harry, et al.
Veröffentlicht: (2022)

A statistical physics framework for optimal learning
von: Mignacco, Francesca, et al.
Veröffentlicht: (2025)

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

Reverse Flow Matching: A Unified Framework for Online Reinforcement Learning with Diffusion and Flow Policies
von: Li, Zeyang, et al.
Veröffentlicht: (2026)

Efficient Online Reinforcement Learning for Diffusion Policy
von: Ma, Haitong, et al.
Veröffentlicht: (2025)

Pareto Inverse Reinforcement Learning for Diverse Expert Policy Generation
von: Kim, Woo Kyung, et al.
Veröffentlicht: (2024)

Discrete Flow Matching for Offline-to-Online Reinforcement Learning
von: Khan, Fairoz Nower, et al.
Veröffentlicht: (2026)

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

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

Deep Reinforcement Learning for Online Optimal Execution Strategies
von: Micheli, Alessandro, et al.
Veröffentlicht: (2024)

Prism: Policy Reuse via Interpretable Strategy Mapping in Reinforcement Learning
von: Pravetz, Thomas
Veröffentlicht: (2026)

Flow Matching with Injected Noise for Offline-to-Online Reinforcement Learning
von: Shin, Yongjae, et al.
Veröffentlicht: (2026)

Active Reinforcement Learning Strategies for Offline Policy Improvement
von: Dukkipati, Ambedkar, et al.
Veröffentlicht: (2024)

Online Estimation and Inference for Robust Policy Evaluation in Reinforcement Learning
von: Liu, Weidong, et al.
Veröffentlicht: (2023)

$K-$means with learned metrics
von: Groisman, Pablo, et al.
Veröffentlicht: (2026)

RLOMM: An Efficient and Robust Online Map Matching Framework with Reinforcement Learning
von: Chen, Minxiao, et al.
Veröffentlicht: (2025)

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

Expert-Free Online Transfer Learning in Multi-Agent Reinforcement Learning
von: Castagna, Alberto
Veröffentlicht: (2025)

Minimax Optimal Strategy for Delayed Observations in Online Reinforcement Learning
von: Lee, Harin, et al.
Veröffentlicht: (2026)

FM-IRL: Flow-Matching for Reward Modeling and Policy Regularization in Reinforcement Learning
von: Wan, Zhenglin, et al.
Veröffentlicht: (2025)

Iterative Refinement of Flow Policies in Probability Space for Online Reinforcement Learning
von: Sun, Mingyang, et al.
Veröffentlicht: (2025)

A Non-Monolithic Policy Approach of Offline-to-Online Reinforcement Learning
von: Kim, JaeYoon, et al.
Veröffentlicht: (2024)

Improving Policy Exploitation in Online Reinforcement Learning with Instant Retrospect Action
von: Gao, Gong, et al.
Veröffentlicht: (2026)

Forward Learning with Top-Down Feedback: Empirical and Analytical Characterization
von: Srinivasan, Ravi, et al.
Veröffentlicht: (2023)

Online Learning-to-Defer with Varying Experts
von: Duy, Dang Hoang, et al.
Veröffentlicht: (2026)