COOL-MC: Verifying and Explaining RL Policies for Multi-bridge Network Maintenance
Fuente:
arXiv
Enregistré dans:
| Auteur principal: | Gross, Dennis |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
COOL-MC: Verifying and Explaining RL Policies for Platelet Inventory Management
par: Gross, Dennis
Publié: (2026)
par: Gross, Dennis
Publié: (2026)
Formally Verifying and Explaining Sepsis Treatment Policies with COOL-MC
par: Gross, Dennis
Publié: (2026)
par: Gross, Dennis
Publié: (2026)
Co-Activation Graph Analysis of Safety-Verified and Explainable Deep Reinforcement Learning Policies
par: Gross, Dennis, et autres
Publié: (2025)
par: Gross, Dennis, et autres
Publié: (2025)
ACTER: Diverse and Actionable Counterfactual Sequences for Explaining and Diagnosing RL Policies
par: Gajcin, Jasmina, et autres
Publié: (2024)
par: Gajcin, Jasmina, et autres
Publié: (2024)
Explaining RL Decisions with Trajectories
par: Deshmukh, Shripad Vilasrao, et autres
Publié: (2023)
par: Deshmukh, Shripad Vilasrao, et autres
Publié: (2023)
Turn-based Multi-Agent Reinforcement Learning Model Checking
par: Gross, Dennis
Publié: (2025)
par: Gross, Dennis
Publié: (2025)
Explainable RL Policies by Distilling to Locally-Specialized Linear Policies with Voronoi State Partitioning
par: Deproost, Senne, et autres
Publié: (2025)
par: Deproost, Senne, et autres
Publié: (2025)
Blockwise Advantage Estimation for Multi-Objective RL with Verifiable Rewards
par: Pavlenko, Kirill, et autres
Publié: (2026)
par: Pavlenko, Kirill, et autres
Publié: (2026)
The Effective Horizon Explains Deep RL Performance in Stochastic Environments
par: Laidlaw, Cassidy, et autres
Publié: (2023)
par: Laidlaw, Cassidy, et autres
Publié: (2023)
Explaining, Verifying, and Aligning Semantic Hierarchies in Vision-Language Model Embeddings
par: Schwalbe, Gesina, et autres
Publié: (2026)
par: Schwalbe, Gesina, et autres
Publié: (2026)
VI-CuRL: Stabilizing Verifier-Independent RL Reasoning via Confidence-Guided Variance Reduction
par: Cai, Xin-Qiang, et autres
Publié: (2026)
par: Cai, Xin-Qiang, et autres
Publié: (2026)
Verifier-Free RL for LLMs via Intrinsic Gradient-Norm Reward
par: Wen, Xuexiang, et autres
Publié: (2026)
par: Wen, Xuexiang, et autres
Publié: (2026)
Policy Agnostic RL: Offline RL and Online RL Fine-Tuning of Any Class and Backbone
par: Mark, Max Sobol, et autres
Publié: (2024)
par: Mark, Max Sobol, et autres
Publié: (2024)
Partial Policy Gradients for RL in LLMs
par: Mathur, Puneet, et autres
Publié: (2026)
par: Mathur, Puneet, et autres
Publié: (2026)
The Implicit Curriculum: Learning Dynamics in RL with Verifiable Rewards
par: Huang, Yu, et autres
Publié: (2026)
par: Huang, Yu, et autres
Publié: (2026)
Mitigating Lost in Multi-turn Conversation via Curriculum RL with Verifiable Accuracy and Abstention Rewards
par: Li, Ming, et autres
Publié: (2025)
par: Li, Ming, et autres
Publié: (2025)
Scalable Policy-Based RL Algorithms for POMDPs
par: Anjarlekar, Ameya, et autres
Publié: (2025)
par: Anjarlekar, Ameya, et autres
Publié: (2025)
RLBFF: Binary Flexible Feedback to bridge between Human Feedback & Verifiable Rewards
par: Wang, Zhilin, et autres
Publié: (2025)
par: Wang, Zhilin, et autres
Publié: (2025)
Soft Policy Optimization: Online Off-Policy RL for Sequence Models
par: Cohen, Taco, et autres
Publié: (2025)
par: Cohen, Taco, et autres
Publié: (2025)
Putting the Value Back in RL: Better Test-Time Scaling by Unifying LLM Reasoners With Verifiers
par: Sareen, Kusha, et autres
Publié: (2025)
par: Sareen, Kusha, et autres
Publié: (2025)
RL Tango: Reinforcing Generator and Verifier Together for Language Reasoning
par: Zha, Kaiwen, et autres
Publié: (2025)
par: Zha, Kaiwen, et autres
Publié: (2025)
Learning Nonlinear Causal Reductions to Explain Reinforcement Learning Policies
par: Kekić, Armin, et autres
Publié: (2025)
par: Kekić, Armin, et autres
Publié: (2025)
Trust the Batch, On- or Off-Policy: Adaptive Policy Optimization for RL Post-Training
par: Fakoor, Rasool, et autres
Publié: (2026)
par: Fakoor, Rasool, et autres
Publié: (2026)
Kernel Metric Learning for In-Sample Off-Policy Evaluation of Deterministic RL Policies
par: Lee, Haanvid, et autres
Publié: (2024)
par: Lee, Haanvid, et autres
Publié: (2024)
Train at Moving Edge: Online-Verified Prompt Selection for Efficient RL Training of Large Reasoning Model
par: Wu, Jiahao, et autres
Publié: (2026)
par: Wu, Jiahao, et autres
Publié: (2026)
Policy Learning for Off-Dynamics RL with Deficient Support
par: Van, Linh Le Pham, et autres
Publié: (2024)
par: Van, Linh Le Pham, et autres
Publié: (2024)
When Does Multi-Agent RL Improve LLM Workflows? Workflow, Scale, and Policy-Sharing Tradeoffs
par: Zeng, Yifan, et autres
Publié: (2026)
par: Zeng, Yifan, et autres
Publié: (2026)
Random Policy Valuation is Enough for LLM Reasoning with Verifiable Rewards
par: He, Haoran, et autres
Publié: (2025)
par: He, Haoran, et autres
Publié: (2025)
COOL: A Conjoint Perspective on Spatio-Temporal Graph Neural Network for Traffic Forecasting
par: Ju, Wei, et autres
Publié: (2024)
par: Ju, Wei, et autres
Publié: (2024)
When are LLMs Sufficient Policy Optimizers for Sequential RL Tasks?
par: Hatgis-Kessell, Stephane, et autres
Publié: (2026)
par: Hatgis-Kessell, Stephane, et autres
Publié: (2026)
Stable Asynchrony: Variance-Controlled Off-Policy RL for LLMs
par: Huang, Luke J., et autres
Publié: (2026)
par: Huang, Luke J., et autres
Publié: (2026)
Deep RL With Information Constrained Policies: Generalization in Continuous Control
par: Malloy, Tailia, et autres
Publié: (2020)
par: Malloy, Tailia, et autres
Publié: (2020)
Surrogate Neural Networks Local Stability for Aircraft Predictive Maintenance
par: Ducoffe, Mélanie, et autres
Publié: (2024)
par: Ducoffe, Mélanie, et autres
Publié: (2024)
PAG: Multi-Turn Reinforced LLM Self-Correction with Policy as Generative Verifier
par: Jiang, Yuhua, et autres
Publié: (2025)
par: Jiang, Yuhua, et autres
Publié: (2025)
SOPE: Stabilizing Off-Policy Evaluation for Online RL with Prior Data
par: Romeo, Carlo, et autres
Publié: (2026)
par: Romeo, Carlo, et autres
Publié: (2026)
Faster Synchronous On-Policy RL via Straggler-Aware Group Sizing
par: Khan, Azal Ahmad, et autres
Publié: (2026)
par: Khan, Azal Ahmad, et autres
Publié: (2026)
Action-Free Offline-to-Online RL via Discretised State Policies
par: Neggatu, Natinael Solomon, et autres
Publié: (2026)
par: Neggatu, Natinael Solomon, et autres
Publié: (2026)
Adaptive Layerwise Perturbation: Unifying Off-Policy Corrections for LLM RL
par: Ye, Chenlu, et autres
Publié: (2026)
par: Ye, Chenlu, et autres
Publié: (2026)
ReSkill: Reconciling Skill Creation with Policy Optimization in Agentic RL
par: He, Zelin, et autres
Publié: (2026)
par: He, Zelin, et autres
Publié: (2026)
BlendRL: A Framework for Merging Symbolic and Neural Policy Learning
par: Shindo, Hikaru, et autres
Publié: (2024)
par: Shindo, Hikaru, et autres
Publié: (2024)
Documents similaires
-
COOL-MC: Verifying and Explaining RL Policies for Platelet Inventory Management
par: Gross, Dennis
Publié: (2026) -
Formally Verifying and Explaining Sepsis Treatment Policies with COOL-MC
par: Gross, Dennis
Publié: (2026) -
Co-Activation Graph Analysis of Safety-Verified and Explainable Deep Reinforcement Learning Policies
par: Gross, Dennis, et autres
Publié: (2025) -
ACTER: Diverse and Actionable Counterfactual Sequences for Explaining and Diagnosing RL Policies
par: Gajcin, Jasmina, et autres
Publié: (2024) -
Explaining RL Decisions with Trajectories
par: Deshmukh, Shripad Vilasrao, et autres
Publié: (2023)