Buchumschlag

One-Step Bellman Alignment Enables Provably Efficient Transfer in Online RL

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Elynn, Zhang, Enpei, Chai, Jinhang, Yan, Yujun
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Low-Rank Plus Sparse Matrix Transfer Learning under Growing Representations and Ambient Dimensions
von: Chai, Jinhang, et al.
Veröffentlicht: (2026)

Transition Transfer $Q$-Learning for Composite Markov Decision Processes
von: Chai, Jinhang, et al.
Veröffentlicht: (2025)

Deep Transfer $Q$-Learning for Offline Non-Stationary Reinforcement Learning
von: Chai, Jinhang, et al.
Veröffentlicht: (2025)

Transfer Faster, Price Smarter: Minimax Dynamic Pricing under Cross-Market Preference Shift
von: Zhang, Yi, et al.
Veröffentlicht: (2025)

Learning to Hand Off: Provably Convergent Workflow Learning under Interface Constraints
von: Li, Jiayu, et al.
Veröffentlicht: (2026)

Prior-Aligned Meta-RL: Thompson Sampling with Learned Priors and Guarantees in Finite-Horizon MDPs
von: Zhou, Runlin, et al.
Veröffentlicht: (2025)

Provably Efficient Online RLHF with One-Pass Reward Modeling
von: Li, Long-Fei, et al.
Veröffentlicht: (2025)

Transfer Learning for Contextual Joint Assortment-Pricing under Cross-Market Heterogeneity
von: Chen, Elynn, et al.
Veröffentlicht: (2026)

Structured Matrix Learning under Arbitrary Entrywise Dependence and Estimation of Markov Transition Kernel
von: Chai, Jinhang, et al.
Veröffentlicht: (2024)

LoRA-One: One-Step Full Gradient Could Suffice for Fine-Tuning Large Language Models, Provably and Efficiently
von: Zhang, Yuanhe, et al.
Veröffentlicht: (2025)

Data-Driven Knowledge Transfer in Batch $Q^*$ Learning
von: Chen, Elynn, et al.
Veröffentlicht: (2024)

End-to-End Efficient RL for Linear Bellman Complete MDPs with Deterministic Transitions
von: Mhammedi, Zakaria, et al.
Veröffentlicht: (2026)

Transfer Q-learning
von: Chen, Elynn, et al.
Veröffentlicht: (2022)

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

Spectral Bellman Method: Unifying Representation and Exploration in RL
von: Nabati, Ofir, et al.
Veröffentlicht: (2025)

Computationally Efficient RL under Linear Bellman Completeness for Deterministic Dynamics
von: Wu, Runzhe, et al.
Veröffentlicht: (2024)

Non-Adversarial Imitation Learning Provably Free of Compounding Errors: The Role of Bellman Constraints
von: Xu, Tian, et al.
Veröffentlicht: (2026)

Characteristic Learning for Provable One Step Generation
von: Ding, Zhao, et al.
Veröffentlicht: (2024)

Bellman Unbiasedness: Toward Provably Efficient Distributional Reinforcement Learning with General Value Function Approximation
von: Cho, Taehyun, et al.
Veröffentlicht: (2024)

Iterated $Q$-Network: Beyond One-Step Bellman Updates in Deep Reinforcement Learning
von: Vincent, Théo, et al.
Veröffentlicht: (2024)

Offline Inverse RL: New Solution Concepts and Provably Efficient Algorithms
von: Lazzati, Filippo, et al.
Veröffentlicht: (2024)

Provably Efficient Offline-to-Online Value Adaptation with General Function Approximation
von: Li, Shangzhe, et al.
Veröffentlicht: (2026)

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

Linear Bellman Completeness Suffices for Efficient Online Reinforcement Learning with Few Actions
von: Golowich, Noah, et al.
Veröffentlicht: (2024)

Scalable, Explainable and Provably Robust Anomaly Detection with One-Step Flow Matching
von: Li, Zhong, et al.
Veröffentlicht: (2025)

Provably Mitigating Corruption, Overoptimization, and Verbosity Simultaneously in Offline and Online RLHF/DPO Alignment
von: Chen, Ziyi, et al.
Veröffentlicht: (2025)

RA-PbRL: Provably Efficient Risk-Aware Preference-Based Reinforcement Learning
von: Zhao, Yujie, et al.
Veröffentlicht: (2024)

Gradual Transition from Bellman Optimality Operator to Bellman Operator in Online Reinforcement Learning
von: Omura, Motoki, et al.
Veröffentlicht: (2025)

SMART Fine-tuning Factor Augmented Neural Lasso
von: Chai, Jinhang, et al.
Veröffentlicht: (2026)

Provably Efficient RL under Episode-Wise Safety in Constrained MDPs with Linear Function Approximation
von: Kitamura, Toshinori, et al.
Veröffentlicht: (2025)

How does Inverse RL Scale to Large State Spaces? A Provably Efficient Approach
von: Lazzati, Filippo, et al.
Veröffentlicht: (2024)

Localized exploration in contextual dynamic pricing achieves dimension-free regret
von: Chai, Jinhang, et al.
Veröffentlicht: (2024)

Provably Efficient Reward Transfer in Reinforcement Learning with Discrete Markov Decision Processes
von: Vora, Kevin, et al.
Veröffentlicht: (2025)

An Efficient Subgraph GNN with Provable Substructure Counting Power
von: Yan, Zuoyu, et al.
Veröffentlicht: (2023)

Incentivize without Bonus: Provably Efficient Model-based Online Multi-agent RL for Markov Games
von: Yang, Tong, et al.
Veröffentlicht: (2025)

Provably Efficient RL for Linear MDPs under Instantaneous Safety Constraints in Non-Convex Feature Spaces
von: Roknilamouki, Amirhossein, et al.
Veröffentlicht: (2025)

High-Dimensional Tensor Discriminant Analysis: Low-Rank Discriminant Structure, Representation Synergy, and Theoretical Guarantees
von: Chen, Elynn, et al.
Veröffentlicht: (2025)

Hybrid Preference Optimization for Alignment: Provably Faster Convergence Rates by Combining Offline Preferences with Online Exploration
von: Bose, Avinandan, et al.
Veröffentlicht: (2024)

Provable Sample-Efficient Transfer Learning Conditional Diffusion Models via Representation Learning
von: Cheng, Ziheng, et al.
Veröffentlicht: (2025)

High-Dimensional Tensor Discriminant Analysis with Incomplete Tensors
von: Chen, Elynn, et al.
Veröffentlicht: (2024)