Buchumschlag

Principled Fast and Meta Knowledge Learners for Continual Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sun, Ke, Zhang, Hongming, Jin, Jun, Gao, Chao, Chen, Xi, Liu, Wulong, Kong, Linglong
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

Distributional Reinforcement Learning with Regularized Wasserstein Loss
von: Sun, Ke, et al.
Veröffentlicht: (2022)

A Distance-based Anomaly Detection Framework for Deep Reinforcement Learning
von: Zhang, Hongming, et al.
Veröffentlicht: (2021)

How Does Return Distribution in Distributional Reinforcement Learning Help Optimization?
von: Sun, Ke, et al.
Veröffentlicht: (2022)

Intrinsic Benefits of Categorical Distributional Loss: Uncertainty-aware Regularized Exploration in Reinforcement Learning
von: Sun, Ke, et al.
Veröffentlicht: (2021)

Trust Region Continual Learning as an Implicit Meta-Learner
von: Wang, Zekun, et al.
Veröffentlicht: (2026)

In-context Continual Learning Assisted by an External Continual Learner
von: Momeni, Saleh, et al.
Veröffentlicht: (2024)

Deep Fair Learning: A Unified Framework for Fine-tuning Representations with Sufficient Networks
von: Shi, Enze, et al.
Veröffentlicht: (2025)

HERO: Heterogeneous Continual Graph Learning via Meta-Knowledge Distillation
von: Sun, Guiquan, et al.
Veröffentlicht: (2025)

Learning Mamba as a Continual Learner: Meta-learning Selective State Space Models for Efficient Continual Learning
von: Zhao, Chongyang, et al.
Veröffentlicht: (2024)

Hierarchical Transformers are Efficient Meta-Reinforcement Learners
von: Shala, Gresa, et al.
Veröffentlicht: (2024)

Simple Recipe Works: Vision-Language-Action Models are Natural Continual Learners with Reinforcement Learning
von: Hu, Jiaheng, et al.
Veröffentlicht: (2026)

Double Check My Desired Return: Transformer with Target Alignment for Offline Reinforcement Learning
von: Pei, Yue, et al.
Veröffentlicht: (2025)

Continual HyperTransformer: A Meta-Learner for Continual Few-Shot Learning
von: Vladymyrov, Max, et al.
Veröffentlicht: (2023)

Knowledge Retention for Continual Model-Based Reinforcement Learning
von: Sun, Yixiang, et al.
Veröffentlicht: (2025)

Prediction-powered Inference by Mixture of Experts
von: Gu, Yanwu, et al.
Veröffentlicht: (2026)

Continual Reinforcement Learning by Planning with Online World Models
von: Liu, Zichen, et al.
Veröffentlicht: (2025)

MetaCD: A Meta Learning Framework for Cognitive Diagnosis based on Continual Learning
von: Wu, Jin, et al.
Veröffentlicht: (2025)

On the ERM Principle in Meta-Learning
von: Alon, Yannay, et al.
Veröffentlicht: (2024)

Pareto Set Learning for Multi-Objective Reinforcement Learning
von: Liu, Erlong, et al.
Veröffentlicht: (2025)

Non-Asymptotic Analysis of Online Local Private Learning with SGD
von: Shi, Enze, et al.
Veröffentlicht: (2025)

Differentially Private Conformal Prediction
von: Wu, Jiamei, et al.
Veröffentlicht: (2026)

MERMAIDE: Learning to Align Learners using Model-Based Meta-Learning
von: Banerjee, Arundhati, et al.
Veröffentlicht: (2023)

Test-driven Reinforcement Learning in Continuous Control
von: Yu, Zhao, et al.
Veröffentlicht: (2025)

SPHERE: Mitigating the Loss of Spectral Plasticity in Mixture-of-Experts for Deep Reinforcement Learning
von: Luo, Lirui, et al.
Veröffentlicht: (2026)

Online Estimation and Inference for Robust Policy Evaluation in Reinforcement Learning
von: Liu, Weidong, et al.
Veröffentlicht: (2023)

Reinforcement Learning Policy as Macro Regulator Rather than Macro Placer
von: Xue, Ke, et al.
Veröffentlicht: (2024)

Beyond Token-level Supervision: Unlocking the Potential of Decoding-based Regression via Reinforcement Learning
von: Chen, Ming, et al.
Veröffentlicht: (2025)

Interactive Continual Learning: Fast and Slow Thinking
von: Qi, Biqing, et al.
Veröffentlicht: (2024)

Inverse Contextual Bandits without Rewards: Learning from a Non-Stationary Learner via Suffix Imitation
von: Kong, Yuqi, et al.
Veröffentlicht: (2026)

Enhancing Large Language Models with Domain-Specific Knowledge: The Case in Topological Materials
von: Xu, HuangChao, et al.
Veröffentlicht: (2024)

Multi-granularity Knowledge Transfer for Continual Reinforcement Learning
von: Pan, Chaofan, et al.
Veröffentlicht: (2024)

A Deep Bayesian Nonparametric Framework for Robust Mutual Information Estimation
von: Fazeliasl, Forough, et al.
Veröffentlicht: (2025)

CausalCOMRL: Context-Based Offline Meta-Reinforcement Learning with Causal Representation
von: Zhang, Zhengzhe, et al.
Veröffentlicht: (2025)

Decoding for Punctured Convolutional and Turbo Codes: A Deep Learning Solution for Protocols Compliance
von: Yan, Yongli, et al.
Veröffentlicht: (2025)

A Theoretical Understanding of Gradient Bias in Meta-Reinforcement Learning
von: Feng, Xidong, et al.
Veröffentlicht: (2021)

A Tutorial on Meta-Reinforcement Learning
von: Beck, Jacob, et al.
Veröffentlicht: (2023)

Instruction-tuned Language Models are Better Knowledge Learners
von: Jiang, Zhengbao, et al.
Veröffentlicht: (2024)

$β$-DQN: Improving Deep Q-Learning By Evolving the Behavior
von: Zhang, Hongming, et al.
Veröffentlicht: (2025)

PyPOTS: A Python Toolkit for Machine Learning on Partially-Observed Time Series
von: Du, Wenjie, et al.
Veröffentlicht: (2023)

Provable Representation with Efficient Planning for Partial Observable Reinforcement Learning
von: Zhang, Hongming, et al.
Veröffentlicht: (2023)