Copertina

Online Learning in MDPs with Partially Adversarial Transitions and Losses

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Schlisselberg, Ofir, Lancewicki, Tal, Mansour, Yishay
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Improved Best-of-Both-Worlds Regret for Bandits with Delayed Feedback
di: Schlisselberg, Ofir, et al.
Pubblicazione: (2025)

Delay as Payoff in MAB
di: Schlisselberg, Ofir, et al.
Pubblicazione: (2024)

Near-optimal Regret Using Policy Optimization in Online MDPs with Aggregate Bandit Feedback
di: Lancewicki, Tal, et al.
Pubblicazione: (2025)

Collaborating in Multi-Armed Bandits with Strategic Agents
di: Barnea, Idan, et al.
Pubblicazione: (2026)

The Hidden Cost of Approximation in Online Mirror Descent
di: Schlisselberg, Ofir, et al.
Pubblicazione: (2025)

Individual Regret in Cooperative Stochastic Multi-Armed Bandits
di: Barnea, Idan, et al.
Pubblicazione: (2024)

Regret Minimization and Convergence to Equilibria in General-sum Markov Games
di: Erez, Liad, et al.
Pubblicazione: (2022)

The impact of allocation strategies in subset learning on the expressive power of neural networks
di: Schlisselberg, Ofir, et al.
Pubblicazione: (2025)

Eluder-based Regret for Stochastic Contextual MDPs
di: Levy, Orin, et al.
Pubblicazione: (2022)

How to Boost Any Loss Function
di: Nock, Richard, et al.
Pubblicazione: (2024)

Near-Optimal Regret for Policy Optimization in Contextual MDPs with General Offline Function Approximation
di: Levy, Orin, et al.
Pubblicazione: (2026)

A Characterization of Semi-Supervised Adversarially-Robust PAC Learnability
di: Attias, Idan, et al.
Pubblicazione: (2022)

Online Set Learning from Precision and Recall Feedback
di: Cohen, Lee, et al.
Pubblicazione: (2026)

Optimal Regret for Policy Optimization in Contextual Bandits
di: Levy, Orin, et al.
Pubblicazione: (2026)

Rising Rested MAB with Linear Drift
di: Amichay, Omer, et al.
Pubblicazione: (2025)

Non-stochastic Bandits With Evolving Observations
di: Bar-On, Yogev, et al.
Pubblicazione: (2024)

Regret Bounds for Adversarial Contextual Bandits with General Function Approximation and Delayed Feedback
di: Levy, Orin, et al.
Pubblicazione: (2025)

Fast Inference via Hierarchical Speculative Decoding
di: Mohri, Clara, et al.
Pubblicazione: (2025)

Theoretical Foundations and Effective Algorithms for Policy-Aware Simulator Learning
di: Dann, Christoph, et al.
Pubblicazione: (2026)

Convergence and Sample Complexity of First-Order Methods for Agnostic Reinforcement Learning
di: Sherman, Uri, et al.
Pubblicazione: (2025)

Probably Approximately Precision and Recall Learning
di: Cohen, Lee, et al.
Pubblicazione: (2024)

The Horizon Threshold in Cooperative Multi-Agent Reward-Free Exploration
di: Barnea, Idan, et al.
Pubblicazione: (2026)

Batch Ensemble for Variance Dependent Regret in Stochastic Bandits
di: Cassel, Asaf, et al.
Pubblicazione: (2024)

Adapting to Stochastic and Adversarial Losses in Episodic MDPs with Aggregate Bandit Feedback
di: Ito, Shinji, et al.
Pubblicazione: (2025)

Beating Adversarial Low-Rank MDPs with Unknown Transition and Bandit Feedback
di: Liu, Haolin, et al.
Pubblicazione: (2024)

Learning Adversarial MDPs with Stochastic Hard Constraints
di: Stradi, Francesco Emanuele, et al.
Pubblicazione: (2024)

Convergence of Policy Mirror Descent Beyond Compatible Function Approximation
di: Sherman, Uri, et al.
Pubblicazione: (2025)

Cost-Aware Learning
di: Mohri, Clara, et al.
Pubblicazione: (2026)

Improved Algorithm for Adversarial Linear Mixture MDPs with Bandit Feedback and Unknown Transition
di: Li, Long-Fei, et al.
Pubblicazione: (2024)

Learning-Augmented Algorithms with Explicit Predictors
di: Elias, Marek, et al.
Pubblicazione: (2024)

Reinforcement Learning from Adversarial Preferences in Tabular MDPs
di: Tsuchiya, Taira, et al.
Pubblicazione: (2025)

Rate-Optimal Policy Optimization for Linear Markov Decision Processes
di: Sherman, Uri, et al.
Pubblicazione: (2023)

A Theoretical Framework for Statistical Evaluability of Generative Models
di: Aiyer, Shashaank, et al.
Pubblicazione: (2026)

Bayesian Perspective on Memorization and Reconstruction
di: Kaplan, Haim, et al.
Pubblicazione: (2025)

Offline-Online Reinforcement Learning for Linear Mixture MDPs
di: Zhang, Zhongjun, et al.
Pubblicazione: (2026)

Learning from Equivalence Queries, Revisited
di: Braverman, Mark, et al.
Pubblicazione: (2026)

Rate-Preserving Reductions for Blackwell Approachability
di: Dann, Christoph, et al.
Pubblicazione: (2024)

Learnability Gaps of Strategic Classification
di: Cohen, Lee, et al.
Pubblicazione: (2024)

Learning Conditional Averages
di: Bressan, Marco, et al.
Pubblicazione: (2026)

Efficiently Solving Discounted MDPs with Predictions on Transition Matrices
di: Lyu, Lixing, et al.
Pubblicazione: (2025)