Buchumschlag

Puzzle it Out: Local-to-Global World Model for Offline Multi-Agent Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Sijia, Li, Xinran, Chen, Shibo, Zhang, Jun
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence Computer Science and Game Theory Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Pencil Puzzle Bench: A Benchmark for Multi-Step Verifiable Reasoning
von: Waugh, Justin
Veröffentlicht: (2026)

NePPO: Near-Potential Policy Optimization for General-Sum Multi-Agent Reinforcement Learning
von: Kalanther, Addison, et al.
Veröffentlicht: (2026)

Code-Space Response Oracles: Generating Interpretable Multi-Agent Policies with Large Language Models
von: Hennes, Daniel, et al.
Veröffentlicht: (2026)

Learning Bilateral Team Formation in Cooperative Multi-Agent Reinforcement Learning
von: Moslemi, Koorosh, et al.
Veröffentlicht: (2025)

Preference-Based Multi-Agent Reinforcement Learning: Data Coverage and Algorithmic Techniques
von: Zhang, Natalia, et al.
Veröffentlicht: (2024)

ELA: Exploited Level Augmentation for Offline Learning in Zero-Sum Games
von: Lei, Shiqi, et al.
Veröffentlicht: (2024)

Explore Reinforced: Equilibrium Approximation with Reinforcement Learning
von: Yu, Ryan, et al.
Veröffentlicht: (2024)

Agent-oriented Joint Decision Support for Data Owners in Auction-based Federated Learning
von: Tang, Xiaoli, et al.
Veröffentlicht: (2024)

AdaFair-MARL: Enforcing Adaptive Fairness Constraints in Multi-Agent Reinforcement Learning
von: Ekpo, Promise, et al.
Veröffentlicht: (2025)

Meta-Inverse Reinforcement Learning for Mean Field Games via Probabilistic Context Variables
von: Chen, Yang, et al.
Veröffentlicht: (2025)

An Auction-based Marketplace for Model Trading in Federated Learning
von: Cui, Yue, et al.
Veröffentlicht: (2024)

Emergent Dominance Hierarchies in Reinforcement Learning Agents
von: Rachum, Ram, et al.
Veröffentlicht: (2024)

Decision Theory-Guided Deep Reinforcement Learning for Fast Learning
von: Wan, Zelin, et al.
Veröffentlicht: (2024)

Offline Fictitious Self-Play for Competitive Games
von: Chen, Jingxiao, et al.
Veröffentlicht: (2024)

Deep Reinforcement Learning for Sequential Combinatorial Auctions
von: Ravindranath, Sai Srivatsa, et al.
Veröffentlicht: (2024)

Local Shapley: Model-Induced Locality and Optimal Reuse in Data Valuation
von: Yang, Xuan, et al.
Veröffentlicht: (2026)

Agent-Temporal Credit Assignment for Optimal Policy Preservation in Sparse Multi-Agent Reinforcement Learning
von: Kapoor, Aditya, et al.
Veröffentlicht: (2024)

Do LLM Agents Have Regret? A Case Study in Online Learning and Games
von: Park, Chanwoo, et al.
Veröffentlicht: (2024)

The Benefits of Power Regularization in Cooperative Reinforcement Learning
von: Li, Michelle, et al.
Veröffentlicht: (2024)

Welfare and Fairness in Multi-objective Reinforcement Learning
von: Fan, Zimeng, et al.
Veröffentlicht: (2022)

Incentivizing Truthful Language Models via Peer Elicitation Games
von: Chen, Baiting, et al.
Veröffentlicht: (2025)

Online Test Synthesis From Requirements: Enhancing Reinforcement Learning with Game Theory
von: Sankur, Ocan, et al.
Veröffentlicht: (2024)

Learning and Collusion in Multi-unit Auctions
von: Brânzei, Simina, et al.
Veröffentlicht: (2023)

Mirror Mode in Fire Emblem: Beating Players at their own Game with Imitation and Reinforcement Learning
von: Smid, Yanna Elizabeth, et al.
Veröffentlicht: (2025)

Offline Learning of Nash Stable Coalition Structures with Possibly Overlapping Coalitions
von: Cohen, Saar
Veröffentlicht: (2026)

Generalized Principal-Agent Problem with a Learning Agent
von: Lin, Tao, et al.
Veröffentlicht: (2024)

Model-Based Reinforcement Learning for Offline Zero-Sum Markov Games
von: Yan, Yuling, et al.
Veröffentlicht: (2022)

Trajectory-wise Iterative Reinforcement Learning Framework for Auto-bidding
von: Li, Haoming, et al.
Veröffentlicht: (2024)

Model-Based RL for Mean-Field Games is not Statistically Harder than Single-Agent RL
von: Huang, Jiawei, et al.
Veröffentlicht: (2024)

Separation Assurance between Heterogeneous Fleets of Small Unmanned Aerial Systems via Multi-Agent Reinforcement Learning
von: Sharifi, Iman, et al.
Veröffentlicht: (2026)

A Single Online Agent Can Efficiently Learn Mean Field Games
von: Zhang, Chenyu, et al.
Veröffentlicht: (2024)

A Black-box Approach for Non-stationary Multi-agent Reinforcement Learning
von: Jiang, Haozhe, et al.
Veröffentlicht: (2023)

Combining Tree-Search, Generative Models, and Nash Bargaining Concepts in Game-Theoretic Reinforcement Learning
von: Li, Zun, et al.
Veröffentlicht: (2023)

Optimistic Thompson Sampling for No-Regret Learning in Unknown Games
von: Li, Yingru, et al.
Veröffentlicht: (2024)

GemNet: Menu-Based, Strategy-Proof Multi-Bidder Auctions Through Deep Learning
von: Wang, Tonghan, et al.
Veröffentlicht: (2024)

Evaluating LLM Agent Collusion in Double Auctions
von: Agrawal, Kushal, et al.
Veröffentlicht: (2025)

Reinforcement Learning for Hanabi
von: Cohen, Nina, et al.
Veröffentlicht: (2025)

Contractual Reinforcement Learning: Pulling Arms with Invisible Hands
von: Wu, Jibang, et al.
Veröffentlicht: (2024)

Federated Learning for Data Market: Shapley-UCB for Seller Selection and Incentives
von: Chen, Kongyang, et al.
Veröffentlicht: (2024)

Learning from Random Demonstrations: Offline Reinforcement Learning with Importance-Sampled Diffusion Models
von: Fang, Zeyu, et al.
Veröffentlicht: (2024)