Buchumschlag

MoMo: Conditioned Contrastive Representation Learning for Preference-Modulated Planning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Syed, Yusuf, Parimi, Viraj, Williams, Brian
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

Safe Multi-Agent Navigation guided by Goal-Conditioned Safe Reinforcement Learning
von: Feng, Meng, et al.
Veröffentlicht: (2025)

MoMo: Momentum Models for Adaptive Learning Rates
von: Schaipp, Fabian, et al.
Veröffentlicht: (2023)

Diffusion-Guided Multi-Arm Motion Planning
von: Parimi, Viraj, et al.
Veröffentlicht: (2025)

Large Neighborhood Search for Multi-Agent Task Assignment and Path Finding with Precedence Constraints
von: Parimi, Viraj, et al.
Veröffentlicht: (2026)

Risk-Bounded Multi-Agent Visual Navigation via Iterative Risk Allocation
von: Parimi, Viraj, et al.
Veröffentlicht: (2025)

MoEGCL: Mixture of Ego-Graphs Contrastive Representation Learning for Multi-View Clustering
von: Zhu, Jian, et al.
Veröffentlicht: (2025)

Multi-Agent Vulcan: An Information-Driven Multi-Agent Path Finding Approach
von: Olkin, Jake, et al.
Veröffentlicht: (2024)

CoMoE: Contrastive Representation for Mixture-of-Experts in Parameter-Efficient Fine-tuning
von: Feng, Jinyuan, et al.
Veröffentlicht: (2025)

DyMoDreamer: World Modeling with Dynamic Modulation
von: Zhang, Boxuan, et al.
Veröffentlicht: (2025)

Mol-MoE: Training Preference-Guided Routers for Molecule Generation
von: Calanzone, Diego, et al.
Veröffentlicht: (2025)

Mix- and MoE-DPO: A Variational Inference Approach to Direct Preference Optimization
von: Bohne, Jason, et al.
Veröffentlicht: (2025)

TAMER: A Test-Time Adaptive MoE-Driven Framework for EHR Representation Learning
von: Zhu, Yinghao, et al.
Veröffentlicht: (2025)

MoR: Mixture Of Representations For Mixed-Precision Training
von: Su, Bor-Yiing, et al.
Veröffentlicht: (2025)

Geometric Asymmetry in MoE Specialization: Functional Decorrelation and Representational Overlap
von: Liu, Feilong
Veröffentlicht: (2026)

Mo' Memory, Mo' Problems: Stream-Native Machine Unlearning
von: Stewart, Kennon
Veröffentlicht: (2025)

HI-MoE: Hierarchical Instance-Conditioned Mixture-of-Experts for Object Detection
von: Vashkelis, Vadim, et al.
Veröffentlicht: (2026)

MoBE: Mixture-of-Basis-Experts for Compressing MoE-based LLMs
von: Chen, Xiaodong, et al.
Veröffentlicht: (2025)

MoE-Gen: High-Throughput MoE Inference on a Single GPU with Module-Based Batching
von: Xu, Tairan, et al.
Veröffentlicht: (2025)

MoST: Efficient Monarch Sparse Tuning for 3D Representation Learning
von: Han, Xu, et al.
Veröffentlicht: (2025)

DynaMo: Runtime Switchable Quantization for MoE with Cross-Dataset Adaptation
von: Zheng, Zihao, et al.
Veröffentlicht: (2025)

Grouter: Decoupling Routing from Representation for Accelerated MoE Training
von: Xu, Yuqi, et al.
Veröffentlicht: (2026)

FluxMoE: Decoupling Expert Residency for High-Performance MoE Serving
von: Liu, Qingxiu, et al.
Veröffentlicht: (2026)

MoNE: Replacing Redundant Experts with Lightweight Novices for Structured Pruning of MoE
von: Zhang, Geng, et al.
Veröffentlicht: (2025)

DOT-MoE: Differentiable Optimal Transport for MoEfication
von: Bamba, Udbhav, et al.
Veröffentlicht: (2026)

Inference via Interpolation: Contrastive Representations Provably Enable Planning and Inference
von: Eysenbach, Benjamin, et al.
Veröffentlicht: (2024)

Contrastive Network Representation Learning
von: Dong, Zihan, et al.
Veröffentlicht: (2025)

Canonicalizing Multimodal Contrastive Representation Learning
von: Gupta, Sharut, et al.
Veröffentlicht: (2026)

RAST-MoE-RL: A Regime-Aware Spatio-Temporal MoE Framework for Deep Reinforcement Learning in Ride-Hailing
von: Tang, Yuhan, et al.
Veröffentlicht: (2025)

MoB: Mixture of Bidders
von: Vyas, Dev
Veröffentlicht: (2025)

CLARIFY: Contrastive Preference Reinforcement Learning for Untangling Ambiguous Queries
von: Mu, Ni, et al.
Veröffentlicht: (2025)

MergeMoE: Efficient Compression of MoE Models via Expert Output Merging
von: Miao, Ruijie, et al.
Veröffentlicht: (2025)

Unchosen Experts Can Contribute Too: Unleashing MoE Models' Power by Self-Contrast
von: Shi, Chufan, et al.
Veröffentlicht: (2024)

Multi-Head LatentMoE and Head Parallel: Communication-Efficient and Deterministic MoE Parallelism
von: Cui, Chenwei, et al.
Veröffentlicht: (2026)

AdapMoE: Adaptive Sensitivity-based Expert Gating and Management for Efficient MoE Inference
von: Zhong, Shuzhang, et al.
Veröffentlicht: (2024)

Preference-based Conditional Treatment Effects and Policy Learning
von: Parnas, Dovid, et al.
Veröffentlicht: (2026)

PhysMoDPO: Physically-Plausible Humanoid Motion with Preference Optimization
von: Zhang, Yangsong, et al.
Veröffentlicht: (2026)

Influencing Bandits: Arm Selection for Preference Shaping
von: Nadkarni, Viraj, et al.
Veröffentlicht: (2024)

Generalization Analysis for Deep Contrastive Representation Learning
von: Hieu, Nong Minh, et al.
Veröffentlicht: (2024)

Federated Contrastive Learning of Graph-Level Representations
von: Li, Xiang, et al.
Veröffentlicht: (2024)

MoESD: Unveil Speculative Decoding's Potential for Accelerating Sparse MoE
von: Huang, Zongle, et al.
Veröffentlicht: (2025)