Buchumschlag

Neurosymbolic Imitation Learning with Human Guidance: A Privileged Information Approach

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Prabhakar, Nikhilesh, Balaji, Varun, Karanam, Athresh, Kersting, Kristian, Natarajan, Sriraam
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

A Unified Framework for Human-Allied Learning of Probabilistic Circuits
von: Karanam, Athresh, et al.
Veröffentlicht: (2024)

Human-Allied Relational Reinforcement Learning
von: Darvishvand, Fateme Golivand, et al.
Veröffentlicht: (2025)

Combining Planning and Reinforcement Learning for Solving Relational Multiagent Domains
von: Prabhakar, Nikhilesh, et al.
Veröffentlicht: (2025)

Imitation learning for clinical decision support in pediatric ECMO
von: Golivand, Fateme, et al.
Veröffentlicht: (2026)

Recursive Inference Machines for Neural Reasoning
von: Komisarczyk, Mieszko, et al.
Veröffentlicht: (2026)

Tractable Representation Learning with Probabilistic Circuits
von: Braun, Steven, et al.
Veröffentlicht: (2025)

Context-specific Credibility-aware Multimodal Fusion with Conditional Probabilistic Circuits
von: Tenali, Pranuthi, et al.
Veröffentlicht: (2026)

Credibility-Aware Multi-Modal Fusion Using Probabilistic Circuits
von: Sidheekh, Sahil, et al.
Veröffentlicht: (2024)

Building Expressive and Tractable Probabilistic Generative Models: A Review
von: Sidheekh, Sahil, et al.
Veröffentlicht: (2024)

Geometry-Aware Probabilistic Circuits via Voronoi Tessellations
von: Sidheekh, Sahil, et al.
Veröffentlicht: (2026)

Human-in-the-loop or AI-in-the-loop? Automate or Collaborate?
von: Natarajan, Sriraam, et al.
Veröffentlicht: (2024)

Improving Rule-based Reasoning in LLMs using Neurosymbolic Representations
von: Dhanraj, Varun, et al.
Veröffentlicht: (2025)

Tractable Sharpness-Aware Learning of Probabilistic Circuits
von: Suresh, Hrithik, et al.
Veröffentlicht: (2025)

PrivilegedDreamer: Explicit Imagination of Privileged Information for Rapid Adaptation of Learned Policies
von: Byrd, Morgan, et al.
Veröffentlicht: (2025)

Reinforcement Learning via Implicit Imitation Guidance
von: Dong, Perry, et al.
Veröffentlicht: (2025)

HackAtari: Atari Learning Environments for Robust and Continual Reinforcement Learning
von: Delfosse, Quentin, et al.
Veröffentlicht: (2024)

Learning to Intervene on Concept Bottlenecks
von: Steinmann, David, et al.
Veröffentlicht: (2023)

Rethinking Knowledge Transfer in Learning Using Privileged Information
von: Provodin, Danil, et al.
Veröffentlicht: (2024)

Provable Partially Observable Reinforcement Learning with Privileged Information
von: Cai, Yang, et al.
Veröffentlicht: (2024)

GRAIL: Autonomous Concept Grounding for Neuro-Symbolic Reinforcement Learning
von: Shindo, Hikaru, et al.
Veröffentlicht: (2026)

BlendRL: A Framework for Merging Symbolic and Neural Policy Learning
von: Shindo, Hikaru, et al.
Veröffentlicht: (2024)

Deep Classifier Mimicry without Data Access
von: Braun, Steven, et al.
Veröffentlicht: (2023)

Adaptive Rational Activations to Boost Deep Reinforcement Learning
von: Delfosse, Quentin, et al.
Veröffentlicht: (2021)

On the Hardness of Probabilistic Neurosymbolic Learning
von: Maene, Jaron, et al.
Veröffentlicht: (2024)

Interpretable end-to-end Neurosymbolic Reinforcement Learning agents
von: Grandien, Nils, et al.
Veröffentlicht: (2024)

United We Pretrain, Divided We Fail! Representation Learning for Time Series by Pretraining on 75 Datasets at Once
von: Kraus, Maurice, et al.
Veröffentlicht: (2024)

Interpretable and Editable Programmatic Tree Policies for Reinforcement Learning
von: Kohler, Hector, et al.
Veröffentlicht: (2024)

Interpretable Concept Bottlenecks to Align Reinforcement Learning Agents
von: Delfosse, Quentin, et al.
Veröffentlicht: (2024)

Coupled Training with Privileged Information and Unlabeled Data
von: Shi, Jiahao, et al.
Veröffentlicht: (2026)

Robust Conformal Prediction Using Privileged Information
von: Feldman, Shai, et al.
Veröffentlicht: (2024)

Optimisation in Neurosymbolic Learning Systems
von: van Krieken, Emile
Veröffentlicht: (2024)

On the Independence Assumption in Neurosymbolic Learning
von: van Krieken, Emile, et al.
Veröffentlicht: (2024)

Dolphin: A Programmable Framework for Scalable Neurosymbolic Learning
von: Naik, Aaditya, et al.
Veröffentlicht: (2024)

Exact Constraint Enforcement in Physics-Informed Extreme Learning Machines using Null-Space Projection Framework
von: Mishra, Rishi, et al.
Veröffentlicht: (2026)

On Improving Neurosymbolic Learning by Exploiting the Representation Space
von: Naik, Aaditya, et al.
Veröffentlicht: (2026)

Imbalances in Neurosymbolic Learning: Characterization and Mitigating Strategies
von: Wang, Kaifu, et al.
Veröffentlicht: (2024)

Deep Reinforcement Learning Agents are not even close to Human Intelligence
von: Delfosse, Quentin, et al.
Veröffentlicht: (2025)

Privilege Scores
von: Bothmann, Ludwig, et al.
Veröffentlicht: (2025)

Privileged Information Distillation for Language Models
von: Penaloza, Emiliano, et al.
Veröffentlicht: (2026)

Learning to Break Deep Perceptual Hashing: The Use Case NeuralHash
von: Struppek, Lukas, et al.
Veröffentlicht: (2021)