:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shah, Vedant, Obando-Ceron, Johan, Jain, Vineet, Bartoldson, Brian, Kailkhura, Bhavya, Mittal, Sarthak, Berseth, Glen, Castro, Pablo Samuel, Bengio, Yoshua, Malkin, Nikolay, Jain, Moksh, Venkatraman, Siddarth, Courville, Aaron
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2512.21852
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Recursive Self-Aggregation Unlocks Deep Thinking in Large Language Models
von: Venkatraman, Siddarth, et al.
Veröffentlicht: (2025)

Trajectory Balance with Asynchrony: Decoupling Exploration and Learning for Fast, Scalable LLM Post-Training
von: Bartoldson, Brian, et al.
Veröffentlicht: (2025)

Solving Bayesian inverse problems with diffusion priors and off-policy RL
von: Scimeca, Luca, et al.
Veröffentlicht: (2025)

Amortizing intractable inference in diffusion models for vision, language, and control
von: Venkatraman, Siddarth, et al.
Veröffentlicht: (2024)

Outsourced diffusion sampling: Efficient posterior inference in latent spaces of generative models
von: Venkatraman, Siddarth, et al.
Veröffentlicht: (2025)

In-Context Parametric Inference: Point or Distribution Estimators?
von: Mittal, Sarthak, et al.
Veröffentlicht: (2025)

Mitigating Plasticity Loss in Continual Reinforcement Learning by Reducing Churn
von: Tang, Hongyao, et al.
Veröffentlicht: (2025)

Machine learning and information theory concepts towards an AI Mathematician
von: Bengio, Yoshua, et al.
Veröffentlicht: (2024)

Amortizing intractable inference in large language models
von: Hu, Edward J., et al.
Veröffentlicht: (2023)

PhyloGFN: Phylogenetic inference with generative flow networks
von: Zhou, Mingyang, et al.
Veröffentlicht: (2023)

Action abstractions for amortized sampling
von: Boussif, Oussama, et al.
Veröffentlicht: (2024)

Multi-Fidelity Active Learning with GFlowNets
von: Hernandez-Garcia, Alex, et al.
Veröffentlicht: (2023)

Stable Gradients for Stable Learning at Scale in Deep Reinforcement Learning
von: Castanyer, Roger Creus, et al.
Veröffentlicht: (2025)

On Generalization for Generative Flow Networks
von: Krichel, Anas, et al.
Veröffentlicht: (2024)

Double Visual Defense: Adversarial Pre-training and Instruction Tuning for Improving Vision-Language Model Robustness
von: Wang, Zeyu, et al.
Veröffentlicht: (2025)

Learning diverse attacks on large language models for robust red-teaming and safety tuning
von: Lee, Seanie, et al.
Veröffentlicht: (2024)

Don't flatten, tokenize! Unlocking the key to SoftMoE's efficacy in deep RL
von: Sokar, Ghada, et al.
Veröffentlicht: (2024)

In value-based deep reinforcement learning, a pruned network is a good network
von: Obando-Ceron, Johan, et al.
Veröffentlicht: (2024)

Adversarial Robustness Limits via Scaling-Law and Human-Alignment Studies
von: Bartoldson, Brian R., et al.
Veröffentlicht: (2024)

Improved off-policy training of diffusion samplers
von: Sendera, Marcin, et al.
Veröffentlicht: (2024)

Proof Flow: Preliminary Study on Generative Flow Network Language Model Tuning for Formal Reasoning
von: Ho, Matthew, et al.
Veröffentlicht: (2024)

Discrete Probabilistic Inference as Control in Multi-path Environments
von: Deleu, Tristan, et al.
Veröffentlicht: (2024)

Neuroplastic Expansion in Deep Reinforcement Learning
von: Liu, Jiashun, et al.
Veröffentlicht: (2024)

Get RICH or Die Scaling: Profitably Trading Inference Compute for Robustness
von: McDonald, Tavish, et al.
Veröffentlicht: (2025)

Adaptive Computation Pruning for the Forgetting Transformer
von: Lin, Zhixuan, et al.
Veröffentlicht: (2025)

The Impact of On-Policy Parallelized Data Collection on Deep Reinforcement Learning Networks
von: Mayor, Walter, et al.
Veröffentlicht: (2025)

Towards DNA-Encoded Library Generation with GFlowNets
von: Koziarski, Michał, et al.
Veröffentlicht: (2024)

Latent Veracity Inference for Identifying Errors in Stepwise Reasoning
von: Kim, Minsu, et al.
Veröffentlicht: (2025)

Discrete, compositional, and symbolic representations through attractor dynamics
von: Nam, Andrew, et al.
Veröffentlicht: (2023)

Scaling up Test-Time Compute with Latent Reasoning: A Recurrent Depth Approach
von: Geiping, Jonas, et al.
Veröffentlicht: (2025)

Is Exploration or Optimization the Problem for Deep Reinforcement Learning?
von: Berseth, Glen
Veröffentlicht: (2025)

On the consistency of hyper-parameter selection in value-based deep reinforcement learning
von: Obando-Ceron, Johan, et al.
Veröffentlicht: (2024)

The Courage to Stop: Overcoming Sunk Cost Fallacy in Deep Reinforcement Learning
von: Liu, Jiashun, et al.
Veröffentlicht: (2025)

Expected flow networks in stochastic environments and two-player zero-sum games
von: Jiralerspong, Marco, et al.
Veröffentlicht: (2023)

Book Review
von: Bhavya Jain
Veröffentlicht: (2024)

Intelligent Switching for Reset-Free RL
von: Patil, Darshan, et al.
Veröffentlicht: (2024)

Stable Deep Reinforcement Learning via Isotropic Gaussian Representations
von: Pasand, Ali Saheb, et al.
Veröffentlicht: (2026)

Distributional GFlowNets with Quantile Flows
von: Zhang, Dinghuai, et al.
Veröffentlicht: (2023)

Improving Robustness In Sparse Autoencoders via Masked Regularization
von: Narayanaswamy, Vivek, et al.
Veröffentlicht: (2026)

Learning Decision Trees as Amortized Structure Inference
von: Mahfoud, Mohammed, et al.
Veröffentlicht: (2025)