Buchumschlag

Evolving Robustness--Exploration Trade-off in Online Reinforcement Learning via Quantile Bayesian Risk MDPs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Song, Meichen, Wang, Yuhao, Zhou, Enlu
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

Online Bayesian Risk-Averse Reinforcement Learning
von: Wang, Yuhao, et al.
Veröffentlicht: (2025)

Bayesian Risk-Sensitive Policy Optimization For MDPs With General Loss Functions
von: Wang, Xiaoshuang, et al.
Veröffentlicht: (2025)

Ranking and Selection with Simultaneous Input Data Collection
von: Wang, Yuhao, et al.
Veröffentlicht: (2025)

Reusing Historical Trajectories in Natural Policy Gradient via Importance Sampling: Convergence and Convergence Rate
von: Lin, Yifan, et al.
Veröffentlicht: (2024)

Offline-Online Reinforcement Learning for Linear Mixture MDPs
von: Zhang, Zhongjun, et al.
Veröffentlicht: (2026)

Pruning Cannot Hurt Robustness: Certified Trade-offs in Reinforcement Learning
von: Pedley, James, et al.
Veröffentlicht: (2025)

Pragmatic Curiosity: A Unified Framework for Hybrid Learning and Optimization via Active Inference
von: Li, Yingke, et al.
Veröffentlicht: (2026)

Efficient, Low-Regret, Online Reinforcement Learning for Linear MDPs
von: John, Philips George, et al.
Veröffentlicht: (2024)

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

Distribution-Centric Policy Optimization Dominates Exploration-Exploitation Trade-off
von: Li, Zhaochun, et al.
Veröffentlicht: (2026)

Q-learning for Quantile MDPs: A Decomposition, Performance, and Convergence Analysis
von: Hau, Jia Lin, et al.
Veröffentlicht: (2024)

Quantile Online Learning for Semiconductor Failure Analysis
von: Zhou, Bangjian, et al.
Veröffentlicht: (2023)

Evolving Diffusion and Flow Matching Policies for Online Reinforcement Learning
von: Zhang, Chubin, et al.
Veröffentlicht: (2025)

Robust Parameter Learning for Uncertain MDPs
von: Schnitzer, Yannik, et al.
Veröffentlicht: (2026)

Soft Robust MDPs and Risk-Sensitive MDPs: Equivalence, Policy Gradient, and Sample Complexity
von: Zhang, Runyu, et al.
Veröffentlicht: (2023)

Hyper: Hyperparameter Robust Efficient Exploration in Reinforcement Learning
von: Wang, Yiran, et al.
Veröffentlicht: (2024)

Planning and Learning in Average Risk-aware MDPs
von: Wang, Weikai, et al.
Veröffentlicht: (2025)

To Distill or Decide? Understanding the Algorithmic Trade-off in Partially Observable Reinforcement Learning
von: Song, Yuda, et al.
Veröffentlicht: (2025)

Offline Oracle-Efficient Learning for Contextual MDPs via Layerwise Exploration-Exploitation Tradeoff
von: Qian, Jian, et al.
Veröffentlicht: (2024)

Architecture Selection via the Trade-off Between Accuracy and Robustness
von: Deng, Zhun, et al.
Veröffentlicht: (2019)

Online Learning in MDPs with Partially Adversarial Transitions and Losses
von: Schlisselberg, Ofir, et al.
Veröffentlicht: (2026)

A Robust Quantile Huber Loss With Interpretable Parameter Adjustment In Distributional Reinforcement Learning
von: Malekzadeh, Parvin, et al.
Veröffentlicht: (2024)

Curiosity is Knowledge: Self-Consistent Learning and No-Regret Optimization with Active Inference
von: Li, Yingke, et al.
Veröffentlicht: (2026)

No-Regret Reinforcement Learning in Smooth MDPs
von: Maran, Davide, et al.
Veröffentlicht: (2024)

Efficient Reinforcement Learning via Decoupling Exploration and Utilization
von: Yang, Jingpu, et al.
Veröffentlicht: (2023)

Reinforcement Learning from Adversarial Preferences in Tabular MDPs
von: Tsuchiya, Taira, et al.
Veröffentlicht: (2025)

Safety-Aware Reinforcement Learning for Control via Risk-Sensitive Action-Value Iteration and Quantile Regression
von: Enwerem, Clinton, et al.
Veröffentlicht: (2025)

On Efficient Bayesian Exploration in Model-Based Reinforcement Learning
von: Caron, Alberto, et al.
Veröffentlicht: (2025)

Time-Constrained Robust MDPs
von: Zouitine, Adil, et al.
Veröffentlicht: (2024)

RASR: Risk-Averse Soft-Robust MDPs with EVaR and Entropic Risk
von: Hau, Jia Lin, et al.
Veröffentlicht: (2022)

Towards Robust Offline-to-Online Reinforcement Learning via Uncertainty and Smoothness
von: Wen, Xiaoyu, et al.
Veröffentlicht: (2023)

Tilted Quantile Gradient Updates for Quantile-Constrained Reinforcement Learning
von: Li, Chenglin, et al.
Veröffentlicht: (2024)

Robust Bayesian Dynamic Programming for On-policy Risk-sensitive Reinforcement Learning
von: Han, Shanyu, et al.
Veröffentlicht: (2025)

Efficient Solution and Learning of Robust Factored MDPs
von: Schnitzer, Yannik, et al.
Veröffentlicht: (2025)

Reinforcement Learning for Exponential Utility: Algorithms and Convergence in Discounted MDPs
von: Thoppe, Gugan, et al.
Veröffentlicht: (2026)

Local Linearity: the Key for No-regret Reinforcement Learning in Continuous MDPs
von: Maran, Davide, et al.
Veröffentlicht: (2024)

Online Tensor Learning: Computational and Statistical Trade-offs, Adaptivity and Optimal Regret
von: Li, Jingyang, et al.
Veröffentlicht: (2023)

Capacity-Constrained Online Learning with Delays: Scheduling Frameworks and Regret Trade-offs
von: Ryabchenko, Alexander, et al.
Veröffentlicht: (2025)

Quantile Learn-Then-Test: Quantile-Based Risk Control for Hyperparameter Optimization
von: Farzaneh, Amirmohammad, et al.
Veröffentlicht: (2024)

Online Robust Reinforcement Learning with General Function Approximation
von: Ghosh, Debamita, et al.
Veröffentlicht: (2025)