Buchumschlag

BXRL: Behavior-Explainable Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rachum, Ram, Amitai, Yotam, Nakar, Yonatan, Mirsky, Reuth, Allen, Cameron
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

Emergent Dominance Hierarchies in Reinforcement Learning Agents
von: Rachum, Ram, et al.
Veröffentlicht: (2024)

Gap the (Theory of) Mind: Sharing Beliefs About Teammates' Goals Boosts Collaboration Perception, Not Performance
von: Amitai, Yotam, et al.
Veröffentlicht: (2025)

Goal Recognition as Reinforcement Learning
von: Amado, Leonardo Rosa, et al.
Veröffentlicht: (2022)

The Intelligent Disobedience Game: Formulating Disobedience in Stackelberg Games and Markov Decision Processes
von: Hornig, Benedikt, et al.
Veröffentlicht: (2026)

GRAIL: Goal Recognition Alignment through Imitation Learning
von: Elhadad, Osher, et al.
Veröffentlicht: (2026)

Goal Recognition using Actor-Critic Optimization
von: Nageris, Ben, et al.
Veröffentlicht: (2024)

ODGR: Online Dynamic Goal Recognition
von: Shamir, Matan, et al.
Veröffentlicht: (2024)

Artificial Intelligent Disobedience: Rethinking the Agency of Our Artificial Teammates
von: Mirsky, Reuth
Veröffentlicht: (2025)

Artificial intelligent disobedience: Rethinking the agency of our artificial teammates
von: Reuth Mirsky
Veröffentlicht: (2025)

GRAML: Goal Recognition As Metric Learning
von: Shamir, Matan, et al.
Veröffentlicht: (2025)

General Dynamic Goal Recognition using Goal-Conditioned and Meta Reinforcement Learning
von: Elhadad, Osher, et al.
Veröffentlicht: (2025)

The Implicit Bias of Structured State Space Models Can Be Poisoned With Clean Labels
von: Slutzky, Yonatan, et al.
Veröffentlicht: (2024)

Is there Value in Reinforcement Learning?
von: Fox, Lior, et al.
Veröffentlicht: (2025)

Do Neural Networks Need Gradient Descent to Generalize? A Theoretical Study
von: Alexander, Yotam, et al.
Veröffentlicht: (2025)

Shared Control with Black Box Agents using Oracle Queries
von: Avraham, Inbal, et al.
Veröffentlicht: (2024)

Generalizable and Robust Spectral Method for Multi-view Representation Learning
von: Yacobi, Amitai, et al.
Veröffentlicht: (2024)

Learning Markov State Abstractions for Deep Reinforcement Learning
von: Allen, Cameron, et al.
Veröffentlicht: (2021)

From Pixels to Factors: Learning Independently Controllable State Variables for Reinforcement Learning
von: Rodriguez-Sanchez, Rafael, et al.
Veröffentlicht: (2025)

Why Does Agentic Safety Fail to Generalize Across Tasks?
von: Slutzky, Yonatan, et al.
Veröffentlicht: (2026)

Interactive Explanations for Reinforcement-Learning Agents
von: Amitai, Yotam, et al.
Veröffentlicht: (2025)

Benchmarking Partial Observability in Reinforcement Learning with a Suite of Memory-Improvable Domains
von: Tao, Ruo Yu, et al.
Veröffentlicht: (2025)

State Entropy Regularization for Robust Reinforcement Learning
von: Ashlag, Yonatan, et al.
Veröffentlicht: (2025)

Generalizable Spectral Embedding with an Application to UMAP
von: Ben-Ari, Nir, et al.
Veröffentlicht: (2025)

Multi-objective Reinforcement Learning With Augmented States Requires Rewards After Deployment
von: Vamplew, Peter, et al.
Veröffentlicht: (2026)

Learning Model Successors
von: Chang, Yingshan, et al.
Veröffentlicht: (2025)

Behave-XAI: Deep Explainable Learning of Behavioral Representational Data
von: Kamal, Rossi
Veröffentlicht: (2022)

Unsupervised Representation Learning - an Invariant Risk Minimization Perspective
von: Norman, Yotam, et al.
Veröffentlicht: (2025)

Efficient Model Extraction via Boundary Sampling
von: Dor, Maor Biton, et al.
Veröffentlicht: (2024)

PEAS: A Strategy for Crafting Transferable Adversarial Examples
von: Avraham, Bar, et al.
Veröffentlicht: (2024)

Counter-Samples: A Stateless Strategy to Neutralize Black Box Adversarial Attacks
von: Bokobza, Roey, et al.
Veröffentlicht: (2024)

Explainable Reinforcement Learning via a Causal World Model
von: Yu, Zhongwei, et al.
Veröffentlicht: (2023)

SHAP-Guided Kernel Actor-Critic for Explainable Reinforcement Learning
von: Li, Na, et al.
Veröffentlicht: (2025)

A Survey on Explainable Deep Reinforcement Learning
von: Cheng, Zelei, et al.
Veröffentlicht: (2025)

Transpose Attack: Stealing Datasets with Bidirectional Training
von: Amit, Guy, et al.
Veröffentlicht: (2023)

Learning Shared Representations from Unpaired Data
von: Yacobi, Amitai, et al.
Veröffentlicht: (2025)

Causal State Distillation for Explainable Reinforcement Learning
von: Lu, Wenhao, et al.
Veröffentlicht: (2023)

Explainable Reinforcement Learning via Temporal Policy Decomposition
von: Ruggeri, Franco, et al.
Veröffentlicht: (2025)

Explainable Reinforcement Learning for Formula One Race Strategy
von: Thomas, Devin, et al.
Veröffentlicht: (2025)

Behavior Tokens Speak Louder: Disentangled Explainable Recommendation with Behavior Vocabulary
von: Feng, Xinshun, et al.
Veröffentlicht: (2025)

Characterizing and Testing Configuration Stability in Two-Dimensional Threshold Cellular Automata
von: Nakar, Yonatan, et al.
Veröffentlicht: (2025)