Copertina

Transitive RL: Value Learning via Divide and Conquer

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Park, Seohong, Oberai, Aditya, Atreya, Pranav, Levine, Sergey
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Is Value Learning Really the Main Bottleneck in Offline RL?
di: Park, Seohong, et al.
Pubblicazione: (2024)

METRA: Scalable Unsupervised RL with Metric-Aware Abstraction
di: Park, Seohong, et al.
Pubblicazione: (2023)

Scalable Offline Model-Based RL with Action Chunks
di: Park, Kwanyoung, et al.
Pubblicazione: (2025)

OGBench: Benchmarking Offline Goal-Conditioned RL
di: Park, Seohong, et al.
Pubblicazione: (2024)

Flow Q-Learning
di: Park, Seohong, et al.
Pubblicazione: (2025)

HIQL: Offline Goal-Conditioned RL with Latent States as Actions
di: Park, Seohong, et al.
Pubblicazione: (2023)

Unsupervised Zero-Shot Reinforcement Learning via Functional Reward Encodings
di: Frans, Kevin, et al.
Pubblicazione: (2024)

Dual Goal Representations
di: Park, Seohong, et al.
Pubblicazione: (2025)

Horizon Reduction Makes RL Scalable
di: Park, Seohong, et al.
Pubblicazione: (2025)

Decoupled Q-Chunking
di: Li, Qiyang, et al.
Pubblicazione: (2025)

Foundation Policies with Hilbert Representations
di: Park, Seohong, et al.
Pubblicazione: (2024)

Intention-Conditioned Flow Occupancy Models
di: Zheng, Chongyi, et al.
Pubblicazione: (2025)

ViVa: Video-Trained Value Functions for Guiding Online RL from Diverse Data
di: Dashora, Nitish, et al.
Pubblicazione: (2025)

Comprehend, Divide, and Conquer: Feature Subspace Exploration via Multi-Agent Hierarchical Reinforcement Learning
di: Zhang, Weiliang, et al.
Pubblicazione: (2025)

Recursive Decomposition with Dependencies for Generic Divide-and-Conquer Reasoning
di: Hernández-Gutiérrez, Sergio, et al.
Pubblicazione: (2025)

Unsupervised-to-Online Reinforcement Learning
di: Kim, Junsu, et al.
Pubblicazione: (2024)

RACER: Epistemic Risk-Sensitive RL Enables Fast Driving with Fewer Crashes
di: Stachowicz, Kyle, et al.
Pubblicazione: (2024)

FPGA Divide-and-Conquer Placement using Deep Reinforcement Learning
di: Wang, Shang, et al.
Pubblicazione: (2024)

Stop Regressing: Training Value Functions via Classification for Scalable Deep RL
di: Farebrother, Jesse, et al.
Pubblicazione: (2024)

Divide, Reweight, and Conquer: A Logit Arithmetic Approach for In-Context Learning
di: Huang, Chengsong, et al.
Pubblicazione: (2024)

Divide And Conquer: Learning Chaotic Dynamical Systems With Multistep Penalty Neural Ordinary Differential Equations
di: Chakraborty, Dibyajyoti, et al.
Pubblicazione: (2024)

PLM-eXplain: Divide and Conquer the Protein Embedding Space
di: van Eck, Jan, et al.
Pubblicazione: (2025)

An Examination on the Effectiveness of Divide-and-Conquer Prompting in Large Language Models
di: Zhang, Yizhou, et al.
Pubblicazione: (2024)

Divide-and-Conquer Predictive Coding: a structured Bayesian inference algorithm
di: Sennesh, Eli, et al.
Pubblicazione: (2024)

ArCHer: Training Language Model Agents via Hierarchical Multi-Turn RL
di: Zhou, Yifei, et al.
Pubblicazione: (2024)

Divide and Conquer Self-Supervised Learning for High-Content Imaging
di: Farndale, Lucas, et al.
Pubblicazione: (2025)

Divide (Text) and Conquer (Sentiment): Improved Sentiment Classification by Constituent Conflict Resolution
di: Kościałkowski, Jan, et al.
Pubblicazione: (2025)

Posterior Behavioral Cloning: Pretraining BC Policies for Efficient RL Finetuning
di: Wagenmaker, Andrew, et al.
Pubblicazione: (2025)

Prompt, Divide, and Conquer: Bypassing Large Language Model Safety Filters via Segmented and Distributed Prompt Processing
di: Wahréus, Johan, et al.
Pubblicazione: (2025)

Stabilizing Contrastive RL: Techniques for Robotic Goal Reaching from Offline Data
di: Zheng, Chongyi, et al.
Pubblicazione: (2023)

Q-SFT: Q-Learning for Language Models via Supervised Fine-Tuning
di: Hong, Joey, et al.
Pubblicazione: (2024)

RLDG: Robotic Generalist Policy Distillation via Reinforcement Learning
di: Xu, Charles, et al.
Pubblicazione: (2024)

Toward Effective Multimodal Graph Foundation Model: A Divide-and-Conquer Based Approach
di: Liu, Sicheng, et al.
Pubblicazione: (2026)

Reinforcement Learning with Action Chunking
di: Li, Qiyang, et al.
Pubblicazione: (2025)

Diffusion Guidance Is a Controllable Policy Improvement Operator
di: Frans, Kevin, et al.
Pubblicazione: (2025)

Cal-QL: Calibrated Offline RL Pre-Training for Efficient Online Fine-Tuning
di: Nakamoto, Mitsuhiko, et al.
Pubblicazione: (2023)

Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations
di: Hong, Joey, et al.
Pubblicazione: (2024)

Evaluating & Reducing Deceptive Dialogue From Language Models with Multi-turn RL
di: Abdulhai, Marwa, et al.
Pubblicazione: (2025)

RL$^3$: Boosting Meta Reinforcement Learning via RL inside RL$^2$
di: Bhatia, Abhinav, et al.
Pubblicazione: (2023)

Bad Values but Good Behavior: Learning Highly Misspecified Bandits and MDPs
di: Banerjee, Debangshu, et al.
Pubblicazione: (2023)