Buchumschlag

Mean-Field Path-Integral Diffusion: From Samples to Interacting Agents

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Chertkov, Michael
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Optimization and Control Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Analytic Bridge Diffusions for Controlled Path Generation
von: Chertkov, Michael
Veröffentlicht: (2026)

Generative Stochastic Optimal Transport: Guided Harmonic Path-Integral Diffusion
von: Chertkov, Michael
Veröffentlicht: (2025)

Adaptive Path Integral Diffusion: AdaPID
von: Chertkov, Michael, et al.
Veröffentlicht: (2025)

From Optimization to Prediction: Transformer-Based Path-Flow Estimation to the Traffic Assignment Problem
von: Ameli, Mostafa, et al.
Veröffentlicht: (2025)

Mean-Field Control on Sparse Graphs: From Local Limits to GNNs via Neighborhood Distributions
von: Schmidt, Tobias, et al.
Veröffentlicht: (2026)

ART for Diffusion Sampling: A Reinforcement Learning Approach to Timestep Schedule
von: Huang, Yilie, et al.
Veröffentlicht: (2026)

From Soliloquy to Agora: Memory-Enhanced LLM Agents with Decentralized Debate for Optimization Modeling
von: Lin, Jianghao, et al.
Veröffentlicht: (2026)

Bucketized Active Sampling for Learning ACOPF
von: Klamkin, Michael, et al.
Veröffentlicht: (2022)

Temporal Memory for Resource-Constrained Agents: Continual Learning via Stochastic Compress-Add-Smooth
von: Chertkov, Michael
Veröffentlicht: (2026)

Bench-MFG: A Benchmark Suite for Learning in Stationary Mean Field Games
von: Magnino, Lorenzo, et al.
Veröffentlicht: (2026)

Value of Information-based Deceptive Path Planning Under Adversarial Interventions
von: Suttle, Wesley A., et al.
Veröffentlicht: (2025)

MINTS: Minimalist Thompson Sampling
von: Wang, Kaizheng
Veröffentlicht: (2026)

Solving Continuous Mean Field Games: Deep Reinforcement Learning for Non-Stationary Dynamics
von: Magnino, Lorenzo, et al.
Veröffentlicht: (2025)

Mean-Field Sampling for Cooperative Multi-Agent Reinforcement Learning
von: Anand, Emile, et al.
Veröffentlicht: (2024)

Analysis of Thompson Sampling for Controlling Unknown Linear Diffusion Processes
von: Faradonbeh, Mohamad Kazem Shirani, et al.
Veröffentlicht: (2022)

Conformal Prediction-Driven Adaptive Sampling for Digital Water Twins
von: Homaei, Mohammadhossein, et al.
Veröffentlicht: (2025)

Logistics Hub Location Optimization: A K-Means and P-Median Model Hybrid Approach Using Road Network Distances
von: Rahman, Muhammad Abdul, et al.
Veröffentlicht: (2023)

Optimal and Diffusion Transports in Machine Learning
von: Peyré, Gabriel
Veröffentlicht: (2025)

Cactus: Accelerating Auto-Regressive Decoding with Constrained Acceptance Speculative Sampling
von: Hao, Yongchang, et al.
Veröffentlicht: (2026)

Optimal Labeler Assignment and Sampling for Active Learning in the Presence of Imperfect Labels
von: Ahadi, Pouya, et al.
Veröffentlicht: (2025)

Asymptotic and Finite Sample Analysis of Nonexpansive Stochastic Approximations with Markovian Noise
von: Blaser, Ethan, et al.
Veröffentlicht: (2024)

Understanding Sampler Stochasticity in Training Diffusion Models for RLHF
von: Sheng, Jiayuan, et al.
Veröffentlicht: (2025)

Provable Acceleration for Diffusion Models under Minimal Assumptions
von: Li, Gen, et al.
Veröffentlicht: (2024)

Provably Safe Generative Sampling with Constricting Barrier Functions
von: Gadginmath, Darshan, et al.
Veröffentlicht: (2026)

Learning in Mean Field Games: A Survey
von: Laurière, Mathieu, et al.
Veröffentlicht: (2022)

Recursive Entropic Risk Optimization in Discounted MDPs: Sample Complexity Bounds with a Generative Model
von: Mortensen, Oliver, et al.
Veröffentlicht: (2025)

Reward-Directed Score-Based Diffusion Models via q-Learning
von: Gao, Xuefeng, et al.
Veröffentlicht: (2024)

T-SKM-Net: Trainable Neural Network Framework for Linear Constraint Satisfaction via Sampling Kaczmarz-Motzkin Method
von: Zhu, Haoyu, et al.
Veröffentlicht: (2025)

Unsupervised Training of Diffusion Models for Feasible Solution Generation in Neural Combinatorial Optimization
von: Hong, Seong-Hyun, et al.
Veröffentlicht: (2024)

Sampling Decisions
von: Chertkov, Michael, et al.
Veröffentlicht: (2025)

Score as Action: Fine-Tuning Diffusion Generative Models by Continuous-time Reinforcement Learning
von: Zhao, Hanyang, et al.
Veröffentlicht: (2025)

OptiRepair: Closed-Loop Diagnosis and Repair of Supply Chain Optimization Models with LLM Agents
von: Ao, Ruicheng, et al.
Veröffentlicht: (2026)

Achieving Tighter Finite-Time Rates for Heterogeneous Federated Stochastic Approximation under Markovian Sampling
von: Zhu, Feng, et al.
Veröffentlicht: (2025)

Optimizer-Induced Mode Connectivity: From AdamW to Muon
von: Zhang, Fangzhao, et al.
Veröffentlicht: (2026)

Evaluating the Impact of Multiple DER Aggregators on Wholesale Energy Markets: A Hybrid Mean Field Approach
von: He, Jun, et al.
Veröffentlicht: (2024)

From Large Language Models and Optimization to Decision Optimization CoPilot: A Research Manifesto
von: Wasserkrug, Segev, et al.
Veröffentlicht: (2024)

Graphon Mean Field Games with a Representative Player: Analysis and Learning Algorithm
von: Zhou, Fuzhong, et al.
Veröffentlicht: (2024)

Self-Certifying Primal-Dual Optimization Proxies for Large-Scale Batch Economic Dispatch
von: Klamkin, Michael, et al.
Veröffentlicht: (2025)

Training-free Diffusion Model Alignment with Sampling Demons
von: Yeh, Po-Hung, et al.
Veröffentlicht: (2024)

Solving Truly Massive Budgeted Monotonic POMDPs with Oracle-Guided Meta-Reinforcement Learning
von: Vora, Manav, et al.
Veröffentlicht: (2024)