Buchumschlag

Smaller Abstract State Spaces Enable Cross-Scale Generalization in Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mustakim, Nasehatul, Lehnert, Lucas
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Multi-Task Reinforcement Learning Enables Parameter Scaling
von: McLean, Reginald, et al.
Veröffentlicht: (2025)

Abstracting Geo-specific Terrains to Scale Up Reinforcement Learning
von: Ustun, Volkan, et al.
Veröffentlicht: (2025)

Enabling Realtime Reinforcement Learning at Scale with Staggered Asynchronous Inference
von: Riemer, Matthew, et al.
Veröffentlicht: (2024)

On the Geometry of Reinforcement Learning in Continuous State and Action Spaces
von: Tiwari, Saket, et al.
Veröffentlicht: (2022)

Episodic Reinforcement Learning with Expanded State-reward Space
von: Liang, Dayang, et al.
Veröffentlicht: (2024)

One for All: A Non-Linear Transformer can Enable Cross-Domain Generalization for In-Context Reinforcement Learning
von: He, Bowen, et al.
Veröffentlicht: (2026)

Geometry of Neural Reinforcement Learning in Continuous State and Action Spaces
von: Tiwari, Saket, et al.
Veröffentlicht: (2025)

Offline Reinforcement Learning in Large State Spaces: Algorithms and Guarantees
von: Jiang, Nan, et al.
Veröffentlicht: (2025)

PCGRL+: Scaling, Control and Generalization in Reinforcement Learning Level Generators
von: Earle, Sam, et al.
Veröffentlicht: (2024)

Distributionally Robust Model-based Reinforcement Learning with Large State Spaces
von: Ramesh, Shyam Sundhar, et al.
Veröffentlicht: (2023)

Policy Regularization on Globally Accessible States in Cross-Dynamics Reinforcement Learning
von: Xue, Zhenghai, et al.
Veröffentlicht: (2025)

Decision Mamba: Reinforcement Learning via Sequence Modeling with Selective State Spaces
von: Ota, Toshihiro
Veröffentlicht: (2024)

Enhancing Generalization in Chain of Thought Reasoning for Smaller Models
von: Yin, Maxwell J., et al.
Veröffentlicht: (2025)

Option-aware Temporally Abstracted Value for Offline Goal-Conditioned Reinforcement Learning
von: Ahn, Hongjoon, et al.
Veröffentlicht: (2025)

Uncertainty Representations in State-Space Layers for Deep Reinforcement Learning under Partial Observability
von: Luis, Carlos E., et al.
Veröffentlicht: (2024)

Structured Sparse Transition Matrices to Enable State Tracking in State-Space Models
von: Terzić, Aleksandar, et al.
Veröffentlicht: (2025)

IQL-TD-MPC: Implicit Q-Learning for Hierarchical Model Predictive Control
von: Chitnis, Rohan, et al.
Veröffentlicht: (2023)

CrossQuant: A Post-Training Quantization Method with Smaller Quantization Kernel for Precise Large Language Model Compression
von: Liu, Wenyuan, et al.
Veröffentlicht: (2024)

When Attention Collapses: How Degenerate Layers in LLMs Enable Smaller, Stronger Models
von: Sanyal, Sunny, et al.
Veröffentlicht: (2024)

Learning to Abstract Visuomotor Mappings using Meta-Reinforcement Learning
von: Velazquez-Vargas, Carlos A., et al.
Veröffentlicht: (2024)

Imagine Beyond! Distributionally Robust Auto-Encoding for State Space Coverage in Online Reinforcement Learning
von: Castanet, Nicolas, et al.
Veröffentlicht: (2025)

Action-Adaptive Continual Learning: Enabling Policy Generalization under Dynamic Action Spaces
von: Pan, Chaofan, et al.
Veröffentlicht: (2025)

Smaller Models are Natural Explorers for Policy-Level Diversity in GRPO
von: Ren, Yiming, et al.
Veröffentlicht: (2026)

Integrating Arithmetic Learning Improves Mathematical Reasoning in Smaller Models
von: Gangwar, Neeraj, et al.
Veröffentlicht: (2025)

State-free Reinforcement Learning
von: Chen, Mingyu, et al.
Veröffentlicht: (2024)

Hierarchical Abstract Tree for Cross-Document Retrieval-Augmented Generation
von: Zhao, Ziwen, et al.
Veröffentlicht: (2026)

Scale-free Adversarial Reinforcement Learning
von: Chen, Mingyu, et al.
Veröffentlicht: (2024)

Illuminating Spaces: Deep Reinforcement Learning and Laser-Wall Partitioning for Architectural Layout Generation
von: Kakooee, Reza, et al.
Veröffentlicht: (2025)

Abstracted Trajectory Visualization for Explainability in Reinforcement Learning
von: Takagi, Yoshiki, et al.
Veröffentlicht: (2024)

In-Context Reinforcement Learning for Variable Action Spaces
von: Sinii, Viacheslav, et al.
Veröffentlicht: (2023)

Hybrid Cross-domain Robust Reinforcement Learning
von: Van, Linh Le Pham, et al.
Veröffentlicht: (2025)

Reinforcement Learning for Generative AI: State of the Art, Opportunities and Open Research Challenges
von: Franceschelli, Giorgio, et al.
Veröffentlicht: (2023)

An Algorithm for Learning Smaller Representations of Models With Scarce Data
von: de Wynter, Adrian
Veröffentlicht: (2020)

Reinforcement Learning with Exogenous States and Rewards
von: Trimponias, George, et al.
Veröffentlicht: (2023)

State-Constrained Offline Reinforcement Learning
von: Hepburn, Charles A., et al.
Veröffentlicht: (2024)

Symbolic State Partitioning for Reinforcement Learning
von: Ghaffari, Mohsen, et al.
Veröffentlicht: (2024)

The Art of Scaling Reinforcement Learning Compute for LLMs
von: Khatri, Devvrit, et al.
Veröffentlicht: (2025)

Large Scale Constrained Clustering With Reinforcement Learning
von: Schesch, Benedikt, et al.
Veröffentlicht: (2024)

Scale-Consistent State-Space Dynamics via Fractal of Stationary Transformations
von: Yu, Geunhyeok, et al.
Veröffentlicht: (2026)

Routing Mamba: Scaling State Space Models with Mixture-of-Experts Projection
von: Zhan, Zheng, et al.
Veröffentlicht: (2025)