PROMA: Projected Microbatch Accumulation for Reference-Free Proximal Policy Updates
Fuente:
arXiv
Enregistré dans:
| Auteur principal: | Abrahamsen, Nilin |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
ISOPO: Proximal policy gradients without pi-old
par: Abrahamsen, Nilin
Publié: (2025)
par: Abrahamsen, Nilin
Publié: (2025)
Proximal Policy Distillation
par: Spigler, Giacomo
Publié: (2024)
par: Spigler, Giacomo
Publié: (2024)
Reparameterization Proximal Policy Optimization
par: Zhong, Hai, et autres
Publié: (2025)
par: Zhong, Hai, et autres
Publié: (2025)
On-Policy Optimization of ANFIS Policies Using Proximal Policy Optimization
par: Shankar, Kaaustaaub, et autres
Publié: (2025)
par: Shankar, Kaaustaaub, et autres
Publié: (2025)
Complexity-Regularized Proximal Policy Optimization
par: Serfilippi, Luca, et autres
Publié: (2025)
par: Serfilippi, Luca, et autres
Publié: (2025)
Beyond the Boundaries of Proximal Policy Optimization
par: Tan, Charlie B., et autres
Publié: (2024)
par: Tan, Charlie B., et autres
Publié: (2024)
Proximal Policy Optimization with Adaptive Exploration
par: Lixandru, Andrei
Publié: (2024)
par: Lixandru, Andrei
Publié: (2024)
A Kaczmarz-inspired approach to accelerate the optimization of neural network wavefunctions
par: Goldshlager, Gil, et autres
Publié: (2024)
par: Goldshlager, Gil, et autres
Publié: (2024)
ESPO: Early-Stopping Proximal Policy Optimization
par: Li, Zihang, et autres
Publié: (2026)
par: Li, Zihang, et autres
Publié: (2026)
KIPPO: Koopman-Inspired Proximal Policy Optimization
par: Cozma, Andrei, et autres
Publié: (2025)
par: Cozma, Andrei, et autres
Publié: (2025)
Proximal Policy Gradient Arborescence for Quality Diversity Reinforcement Learning
par: Batra, Sumeet, et autres
Publié: (2023)
par: Batra, Sumeet, et autres
Publié: (2023)
Learning Branching Policies for MILPs with Proximal Policy Optimization
par: Mhamed, Abdelouahed Ben, et autres
Publié: (2025)
par: Mhamed, Abdelouahed Ben, et autres
Publié: (2025)
Asymmetric Proximal Policy Optimization: mini-critics boost LLM reasoning
par: Liu, Jiashun, et autres
Publié: (2025)
par: Liu, Jiashun, et autres
Publié: (2025)
CIM-PPO:Proximal Policy Optimization with Liu-Correntropy Induced Metric
par: Guo, Yunxiao, et autres
Publié: (2021)
par: Guo, Yunxiao, et autres
Publié: (2021)
A dynamical clipping approach with task feedback for Proximal Policy Optimization
par: Zhang, Ziqi, et autres
Publié: (2023)
par: Zhang, Ziqi, et autres
Publié: (2023)
Efficient Deep Reinforcement Learning with Predictive Processing Proximal Policy Optimization
par: Küçükoğlu, Burcu, et autres
Publié: (2022)
par: Küçükoğlu, Burcu, et autres
Publié: (2022)
ExO-PPO: an Extended Off-policy Proximal Policy Optimization Algorithm
par: Wang, Hanyong, et autres
Publié: (2026)
par: Wang, Hanyong, et autres
Publié: (2026)
Convergence of variational Monte Carlo simulation and scale-invariant pre-training
par: Abrahamsen, Nilin, et autres
Publié: (2023)
par: Abrahamsen, Nilin, et autres
Publié: (2023)
Reference-Sampled Boltzmann Projection for KL-Regularized RLVR: Target-Matched Weighted SFT, Finite One-Shot Gaps, and Policy Mirror Descent
par: Shu, Yao, et autres
Publié: (2026)
par: Shu, Yao, et autres
Publié: (2026)
SafeAdapt: Provably Safe Policy Updates in Deep Reinforcement Learning
par: Anisimov, Maksim, et autres
Publié: (2026)
par: Anisimov, Maksim, et autres
Publié: (2026)
Orthogonalized Policy Optimization:Policy Optimization as Orthogonal Projection in Hilbert Space
par: Zixian, Wang
Publié: (2026)
par: Zixian, Wang
Publié: (2026)
Accelerating Proximal Policy Optimization Learning Using Task Prediction for Solving Environments with Delayed Rewards
par: Ahmad, Ahmad, et autres
Publié: (2024)
par: Ahmad, Ahmad, et autres
Publié: (2024)
A Deep Reinforcement Learning Approach to Battery Management in Dairy Farming via Proximal Policy Optimization
par: Ali, Nawazish, et autres
Publié: (2024)
par: Ali, Nawazish, et autres
Publié: (2024)
AFU: Actor-Free critic Updates in off-policy RL for continuous control
par: Perrin-Gilbert, Nicolas
Publié: (2024)
par: Perrin-Gilbert, Nicolas
Publié: (2024)
Towards a Scalable Reference-Free Evaluation of Generative Models
par: Ospanov, Azim, et autres
Publié: (2024)
par: Ospanov, Azim, et autres
Publié: (2024)
Group Orthogonalized Policy Optimization:Group Policy Optimization as Orthogonal Projection in Hilbert Space
par: Zixian, Wang
Publié: (2026)
par: Zixian, Wang
Publié: (2026)
Proximity Matters: Local Proximity Enhanced Balancing for Treatment Effect Estimation
par: Wang, Hao, et autres
Publié: (2024)
par: Wang, Hao, et autres
Publié: (2024)
SimuDICE: Offline Policy Optimization Through World Model Updates and DICE Estimation
par: Brita, Catalin E., et autres
Publié: (2024)
par: Brita, Catalin E., et autres
Publié: (2024)
Reference-guided Policy Optimization for Molecular Optimization via LLM Reasoning
par: Li, Xuan, et autres
Publié: (2026)
par: Li, Xuan, et autres
Publié: (2026)
Metric-Gradient Projection for Stable Multi-Agent Policy Learning
par: Zhang, Zuyuan, et autres
Publié: (2026)
par: Zhang, Zuyuan, et autres
Publié: (2026)
General Proximal Flow Networks
par: Strunk, Alexander, et autres
Publié: (2026)
par: Strunk, Alexander, et autres
Publié: (2026)
Proximal Diffusion Neural Sampler
par: Guo, Wei, et autres
Publié: (2025)
par: Guo, Wei, et autres
Publié: (2025)
Value-Free Policy Optimization via Reward Partitioning
par: Faye, Bilal, et autres
Publié: (2025)
par: Faye, Bilal, et autres
Publié: (2025)
AM-PPO: (Advantage) Alpha-Modulation with Proximal Policy Optimization
par: Sane, Soham
Publié: (2025)
par: Sane, Soham
Publié: (2025)
Proximity-based Self-Federated Learning
par: Domini, Davide, et autres
Publié: (2024)
par: Domini, Davide, et autres
Publié: (2024)
LFPO: Likelihood-Free Policy Optimization for Masked Diffusion Models
par: Wei, Chenxing, et autres
Publié: (2026)
par: Wei, Chenxing, et autres
Publié: (2026)
LPPG-RL: Lexicographically Projected Policy Gradient Reinforcement Learning with Subproblem Exploration
par: Qiu, Ruiyu, et autres
Publié: (2025)
par: Qiu, Ruiyu, et autres
Publié: (2025)
Slow-Fast Policy Optimization: Reposition-Before-Update for LLM Reasoning
par: Wang, Ziyan, et autres
Publié: (2025)
par: Wang, Ziyan, et autres
Publié: (2025)
Listwise Policy Optimization: Group-based RLVR as Target-Projection on the LLM Response Simplex
par: Qu, Yun, et autres
Publié: (2026)
par: Qu, Yun, et autres
Publié: (2026)
Action-Free Offline-to-Online RL via Discretised State Policies
par: Neggatu, Natinael Solomon, et autres
Publié: (2026)
par: Neggatu, Natinael Solomon, et autres
Publié: (2026)
Documents similaires
-
ISOPO: Proximal policy gradients without pi-old
par: Abrahamsen, Nilin
Publié: (2025) -
Proximal Policy Distillation
par: Spigler, Giacomo
Publié: (2024) -
Reparameterization Proximal Policy Optimization
par: Zhong, Hai, et autres
Publié: (2025) -
On-Policy Optimization of ANFIS Policies Using Proximal Policy Optimization
par: Shankar, Kaaustaaub, et autres
Publié: (2025) -
Complexity-Regularized Proximal Policy Optimization
par: Serfilippi, Luca, et autres
Publié: (2025)