会员服务
Direct Soft-Policy Sampling via Langevin Dynamics
Arxiv
0+阅读 · 2月8日
Choice-Model-Assisted Q-learning for Delayed-Feedback Revenue Management
Arxiv
0+阅读 · 2月2日
ME-IGM: Individual-Global-Max in Maximum Entropy Multi-Agent Reinforcement Learning
Arxiv
0+阅读 · 2月3日
Fast Non-Episodic Finite-Horizon RL with K-Step Lookahead Thresholding
Arxiv
0+阅读 · 1月31日
Smart Exploration in Reinforcement Learning using Bounded Uncertainty Models
Arxiv
0+阅读 · 1月28日
Off-Policy Actor-Critic with Sigmoid-Bounded Entropy for Real-World Robot Learning
Arxiv
0+阅读 · 1月22日
Gaussian-Mixture-Model Q-Functions for Policy Iteration in Reinforcement Learning
Arxiv
0+阅读 · 2025年12月21日
Semiparametric Double Reinforcement Learning with Applications to Long-Term Causal Inference
Arxiv
0+阅读 · 2025年11月12日
Aligning LLMs Toward Multi-Turn Conversational Outcomes Using Iterative PPO
Arxiv
0+阅读 · 2025年11月26日
Data Poisoning to Fake a Nash Equilibrium in Markov Games
Arxiv
0+阅读 · 2024年6月18日
Enhancing Q-Learning with Large Language Model Heuristics
Arxiv
0+阅读 · 2024年5月9日
Enhancing Q-Learning with Large Language Model Heuristics
Arxiv
0+阅读 · 2024年5月6日
Provable and Practical: Efficient Exploration in Reinforcement Learning via Langevin Monte Carlo
Arxiv
0+阅读 · 2024年3月18日
OIL-AD: An Anomaly Detection Framework for Sequential Decision Sequences
Arxiv
0+阅读 · 2024年2月7日
FM3Q: Factorized Multi-Agent MiniMax Q-Learning for Two-Team Zero-Sum Markov Game
Arxiv
0+阅读 · 2024年2月1日
参考链接
微信扫码咨询专知VIP会员
Top