Buchumschlag

Convergent World Representations and Divergent Tasks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Park, Core Francisco
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

$\textit{New News}$: System-2 Fine-tuning for Robust Integration of New Knowledge
von: Park, Core Francisco, et al.
Veröffentlicht: (2025)

Emergence of Hidden Capabilities: Exploring Learning Dynamics in Concept Space
von: Park, Core Francisco, et al.
Veröffentlicht: (2024)

ICLR: In-Context Learning of Representations
von: Park, Core Francisco, et al.
Veröffentlicht: (2024)

In-Context Learning Strategies Emerge Rationally
von: Wurgaft, Daniel, et al.
Veröffentlicht: (2025)

Learning Divergence Fields for Shift-Robust Graph Representations
von: Wu, Qitian, et al.
Veröffentlicht: (2024)

Convergent Linear Representations of Emergent Misalignment
von: Soligo, Anna, et al.
Veröffentlicht: (2025)

Linear $Q$-Learning Does Not Diverge in $L^2$: Convergence Rates to a Bounded Set
von: Liu, Xinyu, et al.
Veröffentlicht: (2025)

Detecting Atypical Clients in Federated Learning via Representation-Level Divergence
von: Pérez-Corral, Cristian, et al.
Veröffentlicht: (2026)

Behavior-Invariant Task Representation Learning with Transformer-based World Models for Offline Meta-Reinforcement Learning
von: Qian, Fuyuan, et al.
Veröffentlicht: (2026)

Divergent Paths: Separating Homophilic and Heterophilic Learning for Enhanced Graph-level Representations
von: Lei, Han, et al.
Veröffentlicht: (2025)

Intrinsic Task Symmetry Drives Generalization in Algorithmic Tasks
von: Hwang, Hyeonbin, et al.
Veröffentlicht: (2026)

Representation Convergence: Mutual Distillation is Secretly a Form of Regularization
von: Xie, Zhengpeng, et al.
Veröffentlicht: (2025)

Decomposing Elements of Problem Solving: What "Math" Does RL Teach?
von: Qin, Tian, et al.
Veröffentlicht: (2025)

Representation Learning for Sequential Volumetric Design Tasks
von: Alam, Md Ferdous, et al.
Veröffentlicht: (2023)

Symbolic Representation for Any-to-Any Generative Tasks
von: Chen, Jiaqi, et al.
Veröffentlicht: (2025)

Hierarchy Representation of Data in Machine Learnings
von: Yegang, Han, et al.
Veröffentlicht: (2023)

Emergent World Representations: Exploring a Sequence Model Trained on a Synthetic Task
von: Li, Kenneth, et al.
Veröffentlicht: (2022)

TACENR: Task-Agnostic Contrastive Explanations for Node Representations
von: Papanikou, Vasiliki, et al.
Veröffentlicht: (2026)

Why and How Auxiliary Tasks Improve JEPA Representations
von: Yu, Jiacan, et al.
Veröffentlicht: (2025)

Dual Goal Representations
von: Park, Seohong, et al.
Veröffentlicht: (2025)

Beyond KL Divergence: Policy Optimization with Flexible Bregman Divergences for LLM Reasoning
von: Yuan, Rui, et al.
Veröffentlicht: (2026)

Decipher the Modality Gap in Multimodal Contrastive Learning: From Convergent Representations to Pairwise Alignment
von: Yi, Lingjie, et al.
Veröffentlicht: (2025)

Learning Latent Dynamic Robust Representations for World Models
von: Sun, Ruixiang, et al.
Veröffentlicht: (2024)

Toward Enhancing Representation Learning in Federated Multi-Task Settings
von: Setayesh, Mehdi, et al.
Veröffentlicht: (2026)

Effective LoRA Adapter Routing using Task Representations
von: Dhasade, Akash, et al.
Veröffentlicht: (2026)

Understanding Task Representations in Neural Networks via Bayesian Ablation
von: Nam, Andrew, et al.
Veröffentlicht: (2025)

CLUTR: Curriculum Learning via Unsupervised Task Representation Learning
von: Azad, Abdus Salam, et al.
Veröffentlicht: (2022)

Task-Aware Virtual Training: Enhancing Generalization in Meta-Reinforcement Learning for Out-of-Distribution Tasks
von: Kim, Jeongmo, et al.
Veröffentlicht: (2025)

DiCoRe: Enhancing Zero-shot Event Detection via Divergent-Convergent LLM Reasoning
von: Parekh, Tanmay, et al.
Veröffentlicht: (2025)

Task Expansion and Cross Refinement for Open-World Conditional Modeling
von: Brahmavar, Shreyas Bhat, et al.
Veröffentlicht: (2026)

Divergence-Augmented Policy Optimization
von: Wang, Qing, et al.
Veröffentlicht: (2025)

Action-Sufficient Goal Representations
von: Hyeon, Jinu, et al.
Veröffentlicht: (2026)

UrbanVerse: Learning Urban Region Representation Across Cities and Tasks
von: Sun, Fengze, et al.
Veröffentlicht: (2026)

Using Curiosity for an Even Representation of Tasks in Continual Offline Reinforcement Learning
von: Pathmanathan, Pankayaraj, et al.
Veröffentlicht: (2023)

Exploring Task Unification in Graph Representation Learning via Generative Approach
von: Hu, Yulan, et al.
Veröffentlicht: (2024)

Ensemble Successor Representations for Task Generalization in Offline-to-Online Reinforcement Learning
von: Wang, Changhong, et al.
Veröffentlicht: (2024)

Task-oriented Time Series Imputation Evaluation via Generalized Representers
von: Wang, Zhixian, et al.
Veröffentlicht: (2024)

Is Prompt Selection Necessary for Task-Free Online Continual Learning?
von: Park, Seoyoung, et al.
Veröffentlicht: (2026)

Shared Lexical Task Representations Explain Behavioral Variability In LLMs
von: Yang, Zhuonan, et al.
Veröffentlicht: (2026)

Representations learnt by SGD and Adaptive learning rules: Conditions that vary sparsity and selectivity in neural networks
von: Park, Jin Hyun
Veröffentlicht: (2022)