Buchumschlag

Learning Abstractions for Hierarchical Planning in Program-Synthesis Agents

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ahmed, Zergham, Irie, Kazuki, Tenenbaum, Joshua B., Bates, Christopher J., Gershman, Samuel J.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Synthesizing world models for bilevel planning
von: Ahmed, Zergham, et al.
Veröffentlicht: (2025)

Fast weight programming and linear transformers: from machine learning to neurobiology
von: Irie, Kazuki, et al.
Veröffentlicht: (2025)

Key-value memory in the brain
von: Gershman, Samuel J., et al.
Veröffentlicht: (2025)

Subjective functions
von: Gershman, Samuel J.
Veröffentlicht: (2025)

Blending Complementary Memory Systems in Hybrid Quadratic-Linear Transformers
von: Irie, Kazuki, et al.
Veröffentlicht: (2025)

Keypoint Abstraction using Large Models for Object-Relative Imitation Learning
von: Fang, Xiaolin, et al.
Veröffentlicht: (2024)

Artificial intelligence for science: The easy and hard problems
von: Battleday, Ruairidh M., et al.
Veröffentlicht: (2024)

Learning Iterative Reasoning through Energy Diffusion
von: Du, Yilun, et al.
Veröffentlicht: (2024)

Overcoming classic challenges for artificial neural networks by providing incentives and practice
von: Irie, Kazuki, et al.
Veröffentlicht: (2024)

Loose LIPS Sink Ships: Asking Questions in Battleship with Language-Informed Program Sampling
von: Grand, Gabriel, et al.
Veröffentlicht: (2024)

Learning Planning Abstractions from Language
von: Liu, Weiyu, et al.
Veröffentlicht: (2024)

Projection Abstractions in Planning Under the Lenses of Abstractions for MDPs
von: Canonaco, Giuseppe, et al.
Veröffentlicht: (2024)

Shoot First, Ask Questions Later? Building Rational Agents that Explore and Act Like People
von: Grand, Gabriel, et al.
Veröffentlicht: (2025)

An Algebraic Framework for Hierarchical Probabilistic Abstraction
von: Upreti, Nijesh, et al.
Veröffentlicht: (2025)

Realizable Abstractions: Near-Optimal Hierarchical Reinforcement Learning
von: Cipollone, Roberto, et al.
Veröffentlicht: (2025)

Pragmatic Instruction Following and Goal Assistance via Cooperative Language-Guided Inverse Planning
von: Zhi-Xuan, Tan, et al.
Veröffentlicht: (2024)

"Just in Time" World Modeling Supports Human Planning and Reasoning
von: Chen, Tony, et al.
Veröffentlicht: (2026)

Program Synthesis using Inductive Logic Programming for the Abstraction and Reasoning Corpus
von: Rocha, Filipe Marinho, et al.
Veröffentlicht: (2024)

Generalized Planning for the Abstraction and Reasoning Corpus
von: Lei, Chao, et al.
Veröffentlicht: (2024)

MoEUT: Mixture-of-Experts Universal Transformers
von: Csordás, Róbert, et al.
Veröffentlicht: (2024)

Adaptive Social Learning using Theory of Mind
von: Ying, Lance, et al.
Veröffentlicht: (2025)

DHP: Discrete Hierarchical Planning for Hierarchical Reinforcement Learning Agents
von: Sharma, Shashank, et al.
Veröffentlicht: (2025)

Decoupled Hierarchical Reinforcement Learning with State Abstraction for Discrete Grids
von: Xiao, Qingyu, et al.
Veröffentlicht: (2025)

AI Gamestore: Scalable, Open-Ended Evaluation of Machine General Intelligence with Human Games
von: Ying, Lance, et al.
Veröffentlicht: (2026)

PlanTwin: Privacy-Preserving Planning Abstractions for Cloud-Assisted LLM Agents
von: Yu, Guangsheng, et al.
Veröffentlicht: (2026)

Designing Domain-Specific Agents via Hierarchical Task Abstraction Mechanism
von: Li, Kaiyu, et al.
Veröffentlicht: (2025)

What Planning Problems Can A Relational Neural Network Solve?
von: Mao, Jiayuan, et al.
Veröffentlicht: (2023)

Learning and Reusing Policy Decompositions for Hierarchical Generalized Planning with LLM Agents
von: Sohrabi, Shirin, et al.
Veröffentlicht: (2026)

Hierarchical Reinforcement Learning for Temporal Abstraction of Listwise Recommendation
von: Ji, Luo, et al.
Veröffentlicht: (2024)

Learning World Models With Hierarchical Temporal Abstractions: A Probabilistic Perspective
von: Shaj, Vaisakh
Veröffentlicht: (2024)

IntentCUA: Learning Intent-level Representations for Skill Abstraction and Multi-Agent Planning in Computer-Use Agents
von: Lee, Seoyoung, et al.
Veröffentlicht: (2026)

Answer-Set-Programming-based Abstractions for Reinforcement Learning
von: Bankosegger, Rafael, et al.
Veröffentlicht: (2026)

In-Context Planning with Latent Temporal Abstractions
von: Luo, Baiting, et al.
Veröffentlicht: (2026)

Property-Guided LLM Program Synthesis for Planning
von: Pereira, André G., et al.
Veröffentlicht: (2026)

Infinite Ends from Finite Samples: Open-Ended Goal Inference as Top-Down Bayesian Filtering of Bottom-Up Proposals
von: Zhi-Xuan, Tan, et al.
Veröffentlicht: (2024)

Language-Informed Synthesis of Rational Agent Models for Grounded Theory-of-Mind Reasoning On-The-Fly
von: Ying, Lance, et al.
Veröffentlicht: (2025)

Medical Model Synthesis Architectures: A Case Study
von: Collins, Katherine M., et al.
Veröffentlicht: (2026)

LLM-Guided Probabilistic Program Induction for POMDP Model Estimation
von: Curtis, Aidan, et al.
Veröffentlicht: (2025)

PULSE: Practical Evaluation Scenarios for Large Multimodal Model Unlearning
von: Kawakami, Tatsuki, et al.
Veröffentlicht: (2025)

Predictive representations: building blocks of intelligence
von: Carvalho, Wilka, et al.
Veröffentlicht: (2024)