Buchumschlag

Oracle-Robust Online Alignment for Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Zimeng, Gaur, Mudit, Aggarwal, Vaneet
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

Discrete State Diffusion Models: A Sample Complexity Perspective
von: Srikanth, Aadithya, et al.
Veröffentlicht: (2025)

On The Global Convergence Of Online RLHF With Neural Parametrization
von: Gaur, Mudit, et al.
Veröffentlicht: (2024)

Order-Optimal Sample Complexity of Rectified Flows
von: Sahoo, Hari Krishna, et al.
Veröffentlicht: (2026)

Closing the Gap: Achieving Global Convergence (Last Iterate) of Actor-Critic under Markovian Sampling with Neural Network Parametrization
von: Gaur, Mudit, et al.
Veröffentlicht: (2024)

Improved Sample Complexity For Diffusion Model Training Without Empirical Risk Minimizer Access
von: Gaur, Mudit, et al.
Veröffentlicht: (2025)

On The Sample Complexity Bounds In Bilevel Reinforcement Learning
von: Gaur, Mudit, et al.
Veröffentlicht: (2025)

Generative Modeling with Continuous Flows: Sample Complexity of Flow Matching
von: Gaur, Mudit, et al.
Veröffentlicht: (2025)

Lipschitz Dueling Bandits over Continuous Action Spaces
von: Sharma, Mudit, et al.
Veröffentlicht: (2026)

A Unified Framework for Analyzing Meta-algorithms in Online Convex Optimization
von: Pedramfar, Mohammad, et al.
Veröffentlicht: (2024)

Distributionally Robust Self Paced Curriculum Reinforcement Learning
von: Satheesh, Anirudh, et al.
Veröffentlicht: (2025)

Improving Molecule Generation and Drug Discovery with a Knowledge-enhanced Generative Model
von: Malusare, Aditya, et al.
Veröffentlicht: (2024)

Regret Analysis of Unichain Average Reward Constrained MDPs with General Parameterization
von: Satheesh, Anirudh, et al.
Veröffentlicht: (2026)

Breaking the Bias Barrier in Concave Multi-Objective Reinforcement Learning
von: Ganesh, Swetha, et al.
Veröffentlicht: (2026)

Regret Analysis of Average-Reward Unichain MDPs via an Actor-Critic Approach
von: Ganesh, Swetha, et al.
Veröffentlicht: (2025)

Finite-Sample Analysis of Policy Evaluation for Robust Average Reward Reinforcement Learning
von: Xu, Yang, et al.
Veröffentlicht: (2025)

BAGEL: Projection-Free Algorithm for Adversarially Constrained Online Convex Optimization
von: Lu, Yiyang, et al.
Veröffentlicht: (2025)

Efficient $Q$-Learning and Actor-Critic Methods for Robust Average Reward Reinforcement Learning
von: Xu, Yang, et al.
Veröffentlicht: (2025)

Decentralized Projection-free Online Upper-Linearizable Optimization with Applications to DR-Submodular Optimization
von: Lu, Yiyang, et al.
Veröffentlicht: (2025)

Persistent-Transient Policy Evaluation for Markov Chains via Minimal Peripheral Quotients
von: Xu, Yang, et al.
Veröffentlicht: (2026)

Sample Complexity Analysis for Constrained Bilevel Reinforcement Learning
von: Saxena, Naman, et al.
Veröffentlicht: (2026)

$γ$-weakly $θ$-up-concavity: A Unified Framework for Non-Convex Optimization Beyond DR-Submodular and OSS Functions
von: Pedramfar, Mohammad, et al.
Veröffentlicht: (2026)

From Linear to Linearizable Optimization: A Novel Framework with Applications to Stationary and Non-stationary DR-submodular Optimization
von: Pedramfar, Mohammad, et al.
Veröffentlicht: (2024)

Accelerating Quantum Reinforcement Learning with a Quantum Natural Policy Gradient Based Approach
von: Xu, Yang, et al.
Veröffentlicht: (2025)

Towards Global Optimality for Practical Average Reward Reinforcement Learning without Mixing Time Oracles
von: Patel, Bhrij, et al.
Veröffentlicht: (2024)

Sample-Efficient Constrained Reinforcement Learning with General Parameterization
von: Mondal, Washim Uddin, et al.
Veröffentlicht: (2024)

Last-Iterate Convergence of General Parameterized Policies in Constrained MDPs
von: Mondal, Washim Uddin, et al.
Veröffentlicht: (2024)

Improved Sample Complexity Analysis of Natural Policy Gradient Algorithm with General Parameterization for Infinite Horizon Discounted Reward Markov Decision Processes
von: Mondal, Washim Uddin, et al.
Veröffentlicht: (2023)

Stochastic Submodular Bandits with Delayed Composite Anonymous Bandit Feedback
von: Pedramfar, Mohammad, et al.
Veröffentlicht: (2023)

Contrastive Cross-Modal Learning for Infusing Chest X-ray Knowledge into ECGs
von: Punyamoorty, Vineet, et al.
Veröffentlicht: (2025)

Hierarchical Deep Counterfactual Regret Minimization
von: Chen, Jiayu, et al.
Veröffentlicht: (2023)

Constrained Reinforcement Learning with Average Reward Objective: Model-Based and Model-Free Algorithms
von: Aggarwal, Vaneet, et al.
Veröffentlicht: (2024)

Stochastic Q-learning for Large Discrete Action Spaces
von: Fourati, Fares, et al.
Veröffentlicht: (2024)

Primal-Only Actor Critic Algorithm for Robust Constrained Average Cost MDPs
von: Satheesh, Anirudh, et al.
Veröffentlicht: (2025)

Upper-Linearizability of Online Non-Monotone DR-Submodular Maximization over Down-Closed Convex Sets
von: Lu, Yiyang, et al.
Veröffentlicht: (2026)

Order-Optimal Regret with Novel Policy Gradient Approaches in Infinite-Horizon Average Reward MDPs
von: Ganesh, Swetha, et al.
Veröffentlicht: (2024)

A Sharper Global Convergence Analysis for Average Reward Reinforcement Learning via an Actor-Critic Approach
von: Ganesh, Swetha, et al.
Veröffentlicht: (2024)

Variational Offline Multi-agent Skill Discovery
von: Chen, Jiayu, et al.
Veröffentlicht: (2024)

Understanding the Natural Language of DNA using Encoder-Decoder Foundation Models with Byte-level Precision
von: Malusare, Aditya, et al.
Veröffentlicht: (2023)

Don't Freeze, Don't Crash: Extending the Safe Operating Range of Neural Navigation in Dense Crowds
von: Zhang, Jiefu, et al.
Veröffentlicht: (2026)

Multi-Agent Combinatorial-Multi-Armed-Bandit framework for the Submodular Welfare Problem under Bandit Feedback
von: Pokhriyal, Subham, et al.
Veröffentlicht: (2026)