Buchumschlag

Programmatic Representation Learning with Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Poesia, Gabriel, Sampaio, Georgia Gabriela
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

When Do Skills Help Reinforcement Learning? A Theoretical Analysis of Temporal Abstractions
von: Li, Zhening, et al.
Veröffentlicht: (2024)

InnateCoder: Learning Programmatic Options with Foundation Models
von: Moraes, Rubens O., et al.
Veröffentlicht: (2025)

Hypothesis Search: Inductive Reasoning with Language Models
von: Wang, Ruocheng, et al.
Veröffentlicht: (2023)

Sketch-Plan-Generalize: Learning and Planning with Neuro-Symbolic Programmatic Representations for Inductive Spatial Concepts
von: Kalithasan, Namasivayam, et al.
Veröffentlicht: (2024)

Synthesizing Programmatic Reinforcement Learning Policies with Large Language Model Guided Search
von: Liu, Max, et al.
Veröffentlicht: (2024)

Reclaiming the Source of Programmatic Policies: Programmatic versus Latent Spaces
von: Carvalho, Tales H., et al.
Veröffentlicht: (2024)

CASSANDRA: Programmatic and Probabilistic Learning and Inference for Stochastic World Modeling
von: Lymperopoulos, Panagiotis, et al.
Veröffentlicht: (2026)

Survival Dynamics of Neural and Programmatic Policies in Evolutionary Reinforcement Learning
von: Roupassov-Ruiz, Anton, et al.
Veröffentlicht: (2026)

Programmatic Video Prediction Using Large Language Models
von: Tang, Hao, et al.
Veröffentlicht: (2025)

Interpretable and Editable Programmatic Tree Policies for Reinforcement Learning
von: Kohler, Hector, et al.
Veröffentlicht: (2024)

Programmatic Reinforcement Learning: Navigating Gridworlds
von: Shabadi, Guruprerana, et al.
Veröffentlicht: (2024)

Common Benchmarks Undervalue the Generalization Power of Programmatic Policies
von: Rajabpour, Amirhossein, et al.
Veröffentlicht: (2025)

Scheduling That Speaks: An Interpretable Programmatic Reinforcement Learning Framework
von: Hu, Chengpeng, et al.
Veröffentlicht: (2026)

PoE-World: Compositional World Modeling with Products of Programmatic Experts
von: Piriyakulkij, Wasu Top, et al.
Veröffentlicht: (2025)

LLM as an Algorithmist: Enhancing Anomaly Detectors via Programmatic Synthesis
von: Ye, Hangting, et al.
Veröffentlicht: (2025)

Reliable Programmatic Weak Supervision with Confidence Intervals for Label Probabilities
von: Álvarez, Verónica, et al.
Veröffentlicht: (2025)

DiPRL: Learning Discrete Programmatic Policies via Architecture Entropy Regularization
von: Hu, Chengpeng, et al.
Veröffentlicht: (2026)

Searching for Programmatic Policies in Semantic Spaces
von: Moraes, Rubens O., et al.
Veröffentlicht: (2024)

OOWM: Structuring Embodied Reasoning and Planning via Object-Oriented Programmatic World Modeling
von: Chen, Hongyu, et al.
Veröffentlicht: (2026)

SPELL: Synthesis of Programmatic Edits using LLMs
von: Ramos, Daniel, et al.
Veröffentlicht: (2026)

The Token Games: Evaluating Language Model Reasoning with Puzzle Duels
von: Henniger, Simon, et al.
Veröffentlicht: (2026)

Type-Compliant Adaptation Cascades: Adapting Programmatic LM Workflows to Data
von: Lin, Chu-Cheng, et al.
Veröffentlicht: (2025)

Formal Mathematical Reasoning: A New Frontier in AI
von: Yang, Kaiyu, et al.
Veröffentlicht: (2024)

Multimodal LLM-assisted Evolutionary Search for Programmatic Control Policies
von: Hu, Qinglong, et al.
Veröffentlicht: (2025)

Learning with the Nash-Sutcliffe loss
von: Tyralis, Hristos, et al.
Veröffentlicht: (2026)

Policy Agnostic RL: Offline RL and Online RL Fine-Tuning of Any Class and Backbone
von: Mark, Max Sobol, et al.
Veröffentlicht: (2024)

Molecular Representations for Large Language Models
von: Runcie, Nicholas T., et al.
Veröffentlicht: (2026)

ActionEngine: From Reactive to Programmatic GUI Agents via State Machine Memory
von: Zhong, Hongbin, et al.
Veröffentlicht: (2026)

Bridging Large Language Models and Graph Structure Learning Models for Robust Representation Learning
von: Su, Guangxin, et al.
Veröffentlicht: (2024)

Leveraging Programmatically Generated Synthetic Data for Differentially Private Diffusion Training
von: Choi, Yujin, et al.
Veröffentlicht: (2024)

Optimizing Language Models for Inference Time Objectives using Reinforcement Learning
von: Tang, Yunhao, et al.
Veröffentlicht: (2025)

Data for Mathematical Copilots: Better Ways of Presenting Proofs for Machine Learning
von: Frieder, Simon, et al.
Veröffentlicht: (2024)

Leveraging Large Language Models for Automated Causal Loop Diagram Generation: Enhancing System Dynamics Modeling through Curated Prompting Techniques
von: Liu, Ning-Yuan Georgia, et al.
Veröffentlicht: (2025)

Parameter-Efficient Tuning Large Language Models for Graph Representation Learning
von: Zhu, Qi, et al.
Veröffentlicht: (2024)

Disentangled Representation Learning with Large Language Models for Text-Attributed Graphs
von: Qin, Yijian, et al.
Veröffentlicht: (2023)

PolicyEvolve: Evolving Programmatic Policies by LLMs for multi-player games via Population-Based Training
von: Lv, Mingrui, et al.
Veröffentlicht: (2025)

Towards Understanding the Shape of Representations in Protein Language Models
von: Beshkov, Kosio, et al.
Veröffentlicht: (2025)

Decomposition-Based Modular Conformal Prediction for Two-Stage Modeling
von: Zhang, William, et al.
Veröffentlicht: (2025)

EnvScaler: Scaling Tool-Interactive Environments for LLM Agent via Programmatic Synthesis
von: Song, Xiaoshuai, et al.
Veröffentlicht: (2026)

Application and Validation of Geospatial Foundation Model Data for the Prediction of Health Facility Programmatic Outputs -- A Case Study in Malawi
von: Metz, Lynn, et al.
Veröffentlicht: (2025)