Buchumschlag

When to Switch, Not Just What: Transition Quality Prediction in Clash Royale

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Heo, Heeyun, Kim, Huy Kang
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

Not Just What, But When: Integrating Irregular Intervals to LLM for Sequential Recommendation
von: Du, Wei-Wei, et al.
Veröffentlicht: (2025)

The No-Clash Teaching Dimension is Bounded by VC Dimension
von: Liu, Jiahua, et al.
Veröffentlicht: (2026)

Mixture of Thoughts: Learning to Aggregate What Experts Think, Not Just What They Say
von: Fein-Ashley, Jacob, et al.
Veröffentlicht: (2025)

When Determinants Are Not Enough: Private Rare Switching
von: Zhou, Xingyu
Veröffentlicht: (2026)

Opportunities of Reinforcement Learning in South Africa's Just Transition
von: Formanek, Claude, et al.
Veröffentlicht: (2024)

On the calibration of Just-in-time Defect Prediction
von: Shahini, Xhulja, et al.
Veröffentlicht: (2025)

When Simple Model Just Works: Is Network Traffic Classification in Crisis?
von: Jerabek, Kamil, et al.
Veröffentlicht: (2025)

On Prediction Feature Assignment in the Heckman Selection Model
von: Mai, Huy, et al.
Veröffentlicht: (2023)

Learning When to Switch: Adaptive Policy Selection via Reinforcement Learning
von: Tava, Chris
Veröffentlicht: (2025)

Learning What to Do and What Not To Do: Offline Imitation from Expert and Undesirable Demonstrations
von: Hoang, Huy, et al.
Veröffentlicht: (2025)

Non-Clashing Teaching Maps for Balls in Graphs
von: Chalopin, Jérémie, et al.
Veröffentlicht: (2023)

JustDense: Just using Dense instead of Sequence Mixer for Time Series analysis
von: Park, TaekHyun, et al.
Veröffentlicht: (2025)

The Computational Complexity of Positive Non-Clashing Teaching in Graphs
von: Ganian, Robert, et al.
Veröffentlicht: (2025)

Causal Inference Isn't Special: Why It's Just Another Prediction Problem
von: Fernández-Loría, Carlos
Veröffentlicht: (2025)

The Challenger: When Do New Data Sources Justify Switching Machine Learning Models?
von: Digalakis Jr, Vassilis, et al.
Veröffentlicht: (2025)

When to Accept Automated Predictions and When to Defer to Human Judgment?
von: Sikar, Daniel, et al.
Veröffentlicht: (2024)

Non-Clashing Teaching in Graphs: Algorithms, Complexity, and Bounds
von: Bhore, Sujoy, et al.
Veröffentlicht: (2026)

What Linear Probes Miss: Multi-View Probing for Weight-Space Learning
von: Heo, Eunwoo, et al.
Veröffentlicht: (2026)

VoxSafeBench: Not Just What Is Said, but Who, How, and Where
von: Wang, Yuxiang, et al.
Veröffentlicht: (2026)

Delta-Audit: Explaining What Changes When Models Change
von: Hemmat, Arshia, et al.
Veröffentlicht: (2025)

Foundation Models in Radiology: What, How, When, Why and Why Not
von: Paschali, Magdalini, et al.
Veröffentlicht: (2024)

A Switching Framework for Online Interval Scheduling with Predictions
von: Antoniadis, Antonios, et al.
Veröffentlicht: (2025)

Lying Is Just a Phase: The Hidden Alignment Transition in Language Model Scaling
von: Amin, Adil
Veröffentlicht: (2026)

Posterior Label Smoothing for Node Classification
von: Heo, Jaeseung, et al.
Veröffentlicht: (2024)

When Data Quality Issues Collide: A Large-Scale Empirical Study of Co-Occurring Data Quality Issues in Software Defect Prediction
von: Dapaah, Emmanuel Charleson, et al.
Veröffentlicht: (2025)

Does Your Wildfire Prediction Model Actually Work, or Just Score Well?
von: Xu, Yangshuang, et al.
Veröffentlicht: (2026)

Training distribution determines the ceiling of drug-blind cancer sensitivity prediction
von: Heo, Taekyung
Veröffentlicht: (2026)

Bridging Expert Knowledge with Deep Learning Techniques for Just-In-Time Defect Prediction
von: Zhou, Xin, et al.
Veröffentlicht: (2024)

Deep Learning in Business Analytics: A Clash of Expectations and Reality
von: Schmitt, Marc
Veröffentlicht: (2022)

PIER: A Novel Metric for Evaluating What Matters in Code-Switching
von: Ugan, Enes Yavuz, et al.
Veröffentlicht: (2025)

What LLMs Think When You Don't Tell Them What to Think About?
von: Kwon, Yongchan, et al.
Veröffentlicht: (2026)

What to Do When Your Discrete Optimization Is the Size of a Neural Network?
von: Silva, Hugo, et al.
Veröffentlicht: (2024)

MrSteve: Instruction-Following Agents in Minecraft with What-Where-When Memory
von: Park, Junyeong, et al.
Veröffentlicht: (2024)

Transitional Uncertainty with Layered Intermediate Predictions
von: Benkert, Ryan, et al.
Veröffentlicht: (2024)

Sentence Curve Language Models
von: Heo, DongNyeong, et al.
Veröffentlicht: (2026)

Just Propagate: Unifying Matrix Factorization, Network Embedding, and LightGCN for Link Prediction
von: Liu, Haoxin
Veröffentlicht: (2024)

Just How Flexible are Neural Networks in Practice?
von: Shwartz-Ziv, Ravid, et al.
Veröffentlicht: (2024)

LookWhen? Fast Video Recognition by Learning When, Where, and What to Compute
von: Salamatian, Ali, et al.
Veröffentlicht: (2026)

Long Range Switching Time Series Prediction via State Space Model
von: Zhang, Jiaming, et al.
Veröffentlicht: (2024)

Learning Posterior Predictive Distributions for Node Classification from Synthetic Graph Priors
von: Choi, Jeongwhan, et al.
Veröffentlicht: (2026)