:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zu, Lipeng, Zhou, Hansong, Zhang, Xiaonan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2511.03695
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Enhancing Q-Value Updates in Deep Q-Learning via Successor-State Prediction
von: Zu, Lipeng, et al.
Veröffentlicht: (2025)

From Static Constraints to Dynamic Adaptation: Sample-Level Constraint Relaxation for Offline-to-Online Reinforcement Learning
von: Zu, Lipeng, et al.
Veröffentlicht: (2025)

CORE: Compensable Reward as a Catalyst for Improving Offline RL in Wireless Networks
von: Zu, Lipeng, et al.
Veröffentlicht: (2025)

FedAR: Addressing Client Unavailability in Federated Learning with Local Update Approximation and Rectification
von: Jiang, Chutian, et al.
Veröffentlicht: (2024)

Adaptive Q-Chunking for Offline-to-Online Reinforcement Learning
von: Gireesh, Nandiraju, et al.
Veröffentlicht: (2026)

Augmenting Online RL with Offline Data is All You Need: A Unified Hybrid RL Algorithm Design and Analysis
von: Huang, Ruiquan, et al.
Veröffentlicht: (2025)

Making Offline RL Online: Collaborative World Models for Offline Visual Reinforcement Learning
von: Wang, Qi, et al.
Veröffentlicht: (2023)

An Empirical Study on the Effectiveness of Incorporating Offline RL As Online RL Subroutines
von: Su, Jianhai, et al.
Veröffentlicht: (2025)

A Simple Unified Uncertainty-Guided Framework for Offline-to-Online Reinforcement Learning
von: Guo, Siyuan, et al.
Veröffentlicht: (2023)

Yes, Q-learning Helps Offline In-Context RL
von: Tarasov, Denis, et al.
Veröffentlicht: (2025)

A Unified Online-Offline Framework for Co-Branding Campaign Recommendations
von: Dai, Xiangxiang, et al.
Veröffentlicht: (2025)

H2O+: An Improved Framework for Hybrid Offline-and-Online RL with Dynamics Gaps
von: Niu, Haoyi, et al.
Veröffentlicht: (2023)

Adaptive $Q$-Aid for Conditional Supervised Learning in Offline Reinforcement Learning
von: Kim, Jeonghye, et al.
Veröffentlicht: (2024)

QHyer: Q-conditioned Hybrid Attention-mamba Transformer for Offline Goal-conditioned RL
von: Lei, Xing, et al.
Veröffentlicht: (2026)

Adaptive Neighborhood-Constrained Q Learning for Offline Reinforcement Learning
von: Mao, Yixiu, et al.
Veröffentlicht: (2025)

PASTA: A Unified Framework for Offline Assortment Learning
von: Dong, Juncheng, et al.
Veröffentlicht: (2025)

Offline-Boosted Actor-Critic: Adaptively Blending Optimal Historical Behaviors in Deep Off-Policy RL
von: Luo, Yu, et al.
Veröffentlicht: (2024)

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

Learning to Trust Bellman Updates: Selective State-Adaptive Regularization for Offline RL
von: Luo, Qin-Wen, et al.
Veröffentlicht: (2025)

ENOTO: Improving Offline-to-Online Reinforcement Learning with Q-Ensembles
von: Zhao, Kai, et al.
Veröffentlicht: (2023)

Improving Offline-to-Online Reinforcement Learning with Q Conditioned State Entropy Exploration
von: Zhang, Ziqi, et al.
Veröffentlicht: (2023)

Towards Efficient and Expressive Offline RL via Flow-Anchored Noise-conditioned Q-Learning
von: Lee, Sungyoung, et al.
Veröffentlicht: (2026)

Provably Efficient Representation Selection in Low-rank Markov Decision Processes: From Online to Offline RL
von: Zhang, Weitong, et al.
Veröffentlicht: (2021)

Residual Q-Learning: Offline and Online Policy Customization without Value
von: Li, Chenran, et al.
Veröffentlicht: (2023)

MOORL: A Framework for Integrating Offline-Online Reinforcement Learning
von: Chaudhary, Gaurav, et al.
Veröffentlicht: (2025)

Adaptive Replay Buffer for Offline-to-Online Reinforcement Learning
von: Song, Chihyeon, et al.
Veröffentlicht: (2025)

Offline vs. Online Learning in Model-based RL: Lessons for Data Collection Strategies
von: Chen, Jiaqi, et al.
Veröffentlicht: (2025)

Imagination-Limited Q-Learning for Offline Reinforcement Learning
von: Liu, Wenhui, et al.
Veröffentlicht: (2025)

Residual Learning and Context Encoding for Adaptive Offline-to-Online Reinforcement Learning
von: Nakhaei, Mohammadreza, et al.
Veröffentlicht: (2024)

Missing Data Multiple Imputation for Tabular Q-Learning in Online RL
von: Chasalow, Kyla, et al.
Veröffentlicht: (2025)

Optimistic Critic Reconstruction and Constrained Fine-Tuning for General Offline-to-Online RL
von: Luo, Qin-Wen, et al.
Veröffentlicht: (2024)

Action-Free Offline-to-Online RL via Discretised State Policies
von: Neggatu, Natinael Solomon, et al.
Veröffentlicht: (2026)

Balancing Signal and Variance: Adaptive Offline RL Post-Training for VLA Flow Models
von: Zhang, Hongyin, et al.
Veröffentlicht: (2025)

ACL-QL: Adaptive Conservative Level in Q-Learning for Offline Reinforcement Learning
von: Wu, Kun, et al.
Veröffentlicht: (2024)

Adaptive Layerwise Perturbation: Unifying Off-Policy Corrections for LLM RL
von: Ye, Chenlu, et al.
Veröffentlicht: (2026)

Q-value Regularized Transformer for Offline Reinforcement Learning
von: Hu, Shengchao, et al.
Veröffentlicht: (2024)

Online Policy Learning from Offline Preferences
von: Zhang, Guoxi, et al.
Veröffentlicht: (2024)

Online Bandits with (Biased) Offline Data: Adaptive Learning under Distribution Mismatch
von: Cheung, Wang Chi, et al.
Veröffentlicht: (2024)

Quantile Q-Learning: Revisiting Offline Extreme Q-Learning with Quantile Regression
von: Gao, Xinming, et al.
Veröffentlicht: (2025)

GEM: Guided Expectation-Maximization for Behavior-Normalized Candidate Action Selection in Offline RL
von: Wang, Haoyu, et al.
Veröffentlicht: (2026)