Buchumschlag

Primal-Dual Policy Optimization for Linear CMDPs with Adversarial Losses

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yu, Kihyun, Bae, Seoungbin, Lee, Dabeen
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

Near-Optimal Primal-Dual Algorithm for Learning Linear Mixture CMDPs with Adversarial Rewards
von: Yu, Kihyun, et al.
Veröffentlicht: (2026)

Learning Weakly Communicating Average-Reward CMDPs: Strong Duality and Improved Regret
von: Yu, Kihyun, et al.
Veröffentlicht: (2026)

Logistic Bandits with $\tilde{O}(\sqrt{dT})$ Regret without Context Diversity Assumptions
von: Bae, Seoungbin, et al.
Veröffentlicht: (2026)

Neural Logistic Bandits
von: Bae, Seoungbin, et al.
Veröffentlicht: (2025)

Queue Length Regret Bounds for Contextual Queueing Bandits
von: Bae, Seoungbin, et al.
Veröffentlicht: (2026)

Learning to Route and Schedule LLMs from User Retrials via Contextual Queueing Bandits
von: Bae, Seoungbin, et al.
Veröffentlicht: (2026)

Chebyshev Center-Based Direction Selection for Multi-Objective Optimization and Training PINNs
von: Yoon, Hoyeol, et al.
Veröffentlicht: (2026)

An Optimistic Algorithm for online CMDPS with Anytime Adversarial Constraints
von: Zhu, Jiahui, et al.
Veröffentlicht: (2025)

Improved Regret Bound for Safe Reinforcement Learning via Tighter Cost Pessimism and Reward Optimism
von: Yu, Kihyun, et al.
Veröffentlicht: (2024)

Best-of-Both-Worlds Policy Optimization for CMDPs with Bandit Feedback
von: Stradi, Francesco Emanuele, et al.
Veröffentlicht: (2024)

Beyond Slater's Condition in Online CMDPs with Stochastic and Adversarial Constraints
von: Stradi, Francesco Emanuele, et al.
Veröffentlicht: (2025)

Stochastic-Constrained Stochastic Optimization with Markovian Data
von: Kim, Yeongjong, et al.
Veröffentlicht: (2023)

Provably Efficient Infinite-Horizon Average-Reward Reinforcement Learning with Linear Function Approximation
von: Chae, Woojin, et al.
Veröffentlicht: (2024)

Model-Free, Regret-Optimal Best Policy Identification in Online CMDPs
von: Zhou, Zihan, et al.
Veröffentlicht: (2023)

Off-Policy Primal-Dual Safe Reinforcement Learning
von: Wu, Zifan, et al.
Veröffentlicht: (2024)

Beyond Primal-Dual Methods in Bandits with Stochastic and Adversarial Constraints
von: Bernasconi, Martino, et al.
Veröffentlicht: (2024)

Stochastic Smoothed Primal-Dual Algorithms for Nonconvex Optimization with Linear Inequality Constraints
von: Huang, Ruichuan, et al.
Veröffentlicht: (2025)

Double Duality: Variational Primal-Dual Policy Optimization for Constrained Reinforcement Learning
von: Li, Zihao, et al.
Veröffentlicht: (2024)

Primal-Dual Neural Algorithmic Reasoning
von: He, Yu, et al.
Veröffentlicht: (2025)

Policy-based Primal-Dual Methods for Concave CMDP with Variance Reduction
von: Ying, Donghao, et al.
Veröffentlicht: (2022)

Adversarial Bandit Optimization with Globally Bounded Perturbations to Linear Losses
von: Cheng, Zhuoyu, et al.
Veröffentlicht: (2026)

Reinforcement Learning for Infinite-Horizon Average-Reward Linear MDPs via Approximation by Discounted-Reward MDPs
von: Hong, Kihyuk, et al.
Veröffentlicht: (2024)

Scalable Mean-Field Variational Inference via Preconditioned Primal-Dual Optimization
von: Lyu, Jinhua, et al.
Veröffentlicht: (2026)

Nearly Optimal Linear Convergence of Stochastic Primal-Dual Methods for Linear Programming
von: Lu, Haihao, et al.
Veröffentlicht: (2021)

A Primal-Dual Algorithm for Offline Constrained Reinforcement Learning with Linear MDPs
von: Hong, Kihyuk, et al.
Veröffentlicht: (2024)

Learning Infinite-Horizon Average-Reward Linear Mixture MDPs of Bounded Span
von: Chae, Woojin, et al.
Veröffentlicht: (2024)

Demand Balancing in Primal-Dual Optimization for Blind Network Revenue Management
von: Miao, Sentao, et al.
Veröffentlicht: (2024)

Last-Iterate Convergent Policy Gradient Primal-Dual Methods for Constrained MDPs
von: Ding, Dongsheng, et al.
Veröffentlicht: (2023)

Infinite-Horizon Reinforcement Learning with Multinomial Logistic Function Approximation
von: Park, Jaehyun, et al.
Veröffentlicht: (2024)

Policy Gradient Primal-Dual Method for Safe Reinforcement Learning from Human Feedback
von: Liu, Qiang, et al.
Veröffentlicht: (2026)

A Policy Gradient Primal-Dual Algorithm for Constrained MDPs with Uniform PAC Guarantees
von: Kitamura, Toshinori, et al.
Veröffentlicht: (2024)

Scalable Min-Max Optimization via Primal-Dual Exact Pareto Optimization
von: Park, Sangwoo, et al.
Veröffentlicht: (2025)

Multi-Timescale Primal Dual Hybrid Gradient with Application to Distributed Optimization
von: Zhang, Junhui, et al.
Veröffentlicht: (2025)

Some Primal-Dual Theory for Subgradient Methods for Strongly Convex Optimization
von: Grimmer, Benjamin, et al.
Veröffentlicht: (2023)

Continuous Learned Primal Dual
von: Runkel, Christina, et al.
Veröffentlicht: (2024)

Adversarial Dual On-Policy Distillation from Expressive Teacher
von: Wan, Zhenglin, et al.
Veröffentlicht: (2026)

Primal-Dual Methods for Nonsmooth Nonconvex Optimization with Orthogonality Constraints
von: Zhu, Linglingzhi, et al.
Veröffentlicht: (2026)

Certifying the Right to Be Forgotten: Primal-Dual Optimization for Sample and Label Unlearning in Vertical Federated Learning
von: Jiang, Yu, et al.
Veröffentlicht: (2025)

A Primal-Dual-Assisted Penalty Approach to Bilevel Optimization with Coupled Constraints
von: Jiang, Liuyuan, et al.
Veröffentlicht: (2024)

Drago: Primal-Dual Coupled Variance Reduction for Faster Distributionally Robust Optimization
von: Mehta, Ronak, et al.
Veröffentlicht: (2024)