Buchumschlag

Mixture-of-World Models: Scaling Multi-Task Reinforcement Learning with Modular Latent Dynamics

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Boxuan, Zhang, Weipu, Feng, Zhaohan, Xiao, Wei, Sun, Jian, Chen, Jie, Wang, Gang
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

DyMoDreamer: World Modeling with Dynamic Modulation
von: Zhang, Boxuan, et al.
Veröffentlicht: (2025)

Object-Centric World Models from Few-Shot Annotations for Sample-Efficient Reinforcement Learning
von: Zhang, Weipu, et al.
Veröffentlicht: (2025)

Multi-Task Reinforcement Learning with Mixture of Orthogonal Experts
von: Hendawy, Ahmed, et al.
Veröffentlicht: (2023)

Latent Mixture of Symmetries for Sample-Efficient Dynamic Learning
von: Li, Haoran, et al.
Veröffentlicht: (2025)

The Composite Task Challenge for Cooperative Multi-Agent Reinforcement Learning
von: Li, Yurui, et al.
Veröffentlicht: (2025)

MoRE: A Mixture of Low-Rank Experts for Adaptive Multi-Task Learning
von: Zhang, Dacao, et al.
Veröffentlicht: (2025)

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

Reinforcement Learning under Latent Dynamics: Toward Statistical and Algorithmic Modularity
von: Amortila, Philip, et al.
Veröffentlicht: (2024)

Dynamic Mixture of Latent Memories for Self-Evolving Agents
von: Yu, Dianzhi, et al.
Veröffentlicht: (2026)

Inferring Latent Temporal Sparse Coordination Graph for Multi-Agent Reinforcement Learning
von: Duan, Wei, et al.
Veröffentlicht: (2024)

DreamerAD: Efficient Reinforcement Learning via Latent World Model for Autonomous Driving
von: Yang, Pengxuan, et al.
Veröffentlicht: (2026)

Contextual Latent World Models for Offline Meta Reinforcement Learning
von: Nakheai, Mohammadreza, et al.
Veröffentlicht: (2026)

MolSets: Molecular Graph Deep Sets Learning for Mixture Property Modeling
von: Zhang, Hengrui, et al.
Veröffentlicht: (2023)

Multi-Task Reinforcement Learning Enables Parameter Scaling
von: McLean, Reginald, et al.
Veröffentlicht: (2025)

Random Latent Exploration for Deep Reinforcement Learning
von: Mahankali, Srinath, et al.
Veröffentlicht: (2024)

MENTOR: Mixture-of-Experts Network with Task-Oriented Perturbation for Visual Reinforcement Learning
von: Huang, Suning, et al.
Veröffentlicht: (2024)

Mastering Massive Multi-Task Reinforcement Learning via Mixture-of-Expert Decision Transformer
von: Kong, Yilun, et al.
Veröffentlicht: (2025)

When Do Neural Networks Learn World Models?
von: Zhang, Tianren, et al.
Veröffentlicht: (2025)

Time-optimal Flight in Cluttered Environments via Safe Reinforcement Learning
von: Xiao, Wei, et al.
Veröffentlicht: (2024)

Group Fairness in Multi-Task Reinforcement Learning
von: Song, Kefan, et al.
Veröffentlicht: (2025)

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

Efficient Multi-Task Reinforcement Learning via Task-Specific Action Correction
von: Feng, Jinyuan, et al.
Veröffentlicht: (2024)

MABL: Bi-Level Latent-Variable World Model for Sample-Efficient Multi-Agent Reinforcement Learning
von: Venugopal, Aravind, et al.
Veröffentlicht: (2023)

MVMoE: Multi-Task Vehicle Routing Solver with Mixture-of-Experts
von: Zhou, Jianan, et al.
Veröffentlicht: (2024)

Stabilizing Recurrent Dynamics for Test-Time Scalable Latent Reasoning in Looped Language Models
von: Yang, Xiao-Wen, et al.
Veröffentlicht: (2026)

Learning Interactive World Model for Object-Centric Reinforcement Learning
von: Feng, Fan, et al.
Veröffentlicht: (2025)

Efficient Multi-Task Reinforcement Learning with Cross-Task Policy Guidance
von: He, Jinmin, et al.
Veröffentlicht: (2025)

PMODE: Theoretically Grounded and Modular Mixture Modeling
von: Vandermeulen, Robert A.
Veröffentlicht: (2025)

RLVR-World: Training World Models with Reinforcement Learning
von: Wu, Jialong, et al.
Veröffentlicht: (2025)

Rich-Observation Reinforcement Learning with Continuous Latent Dynamics
von: Song, Yuda, et al.
Veröffentlicht: (2024)

Urban-Focused Multi-Task Offline Reinforcement Learning with Contrastive Data Sharing
von: Zhao, Xinbo, et al.
Veröffentlicht: (2024)

MT$^{3}$: Scaling MLLM-based Text Image Machine Translation via Multi-Task Reinforcement Learning
von: Feng, Zhaopeng, et al.
Veröffentlicht: (2025)

CoT-UQ: Improving Response-wise Uncertainty Quantification in LLMs with Chain-of-Thought
von: Zhang, Boxuan, et al.
Veröffentlicht: (2025)

Scale-free Adversarial Reinforcement Learning
von: Chen, Mingyu, et al.
Veröffentlicht: (2024)

Beyond Neural Incompatibility: Cross-Scale Knowledge Transfer in Language Models through Latent Semantic Alignment
von: Gu, Jian, et al.
Veröffentlicht: (2025)

QMP: Q-switch Mixture of Policies for Multi-Task Behavior Sharing
von: Zhang, Grace, et al.
Veröffentlicht: (2023)

The Power of Active Multi-Task Learning in Reinforcement Learning from Human Feedback
von: Chen, Ruitao, et al.
Veröffentlicht: (2024)

Factored Latent Action World Models
von: Wang, Zizhao, et al.
Veröffentlicht: (2026)

Identifiable Representation and Model Learning for Latent Dynamic Systems
von: Zhang, Congxi, et al.
Veröffentlicht: (2024)

GlycanML: A Multi-Task and Multi-Structure Benchmark for Glycan Machine Learning
von: Xu, Minghao, et al.
Veröffentlicht: (2024)