会员服务
Hessian-augmented Supervised Learning for Hamilton-Jacobi-Bellman PDEs
Arxiv
0+阅读 · 6月22日
From Singleton Obstacles to Clutter: Translation Invariant Compositional Avoid Sets
Arxiv
0+阅读 · 6月22日
Structural Kolmogorov-Arnold Convolutions: Learnable Function on the Values or the Filter Shape as Parameter-Efficient Alternative to Per-Edge Convolutional KANs
Arxiv
0+阅读 · 6月23日
ALOE: Action-Level Off-Policy Evaluation for Vision-Language-Action Model Post-Training
Arxiv
0+阅读 · 6月20日
Horizon Adaptive Offline Policy Learning via Value Stitching
Arxiv
0+阅读 · 6月19日
Approximate Next Policy Sampling: Replacing Conservative Target Policy Updates in Deep RL
Arxiv
0+阅读 · 6月17日
Meta Flow Maps enable scalable reward alignment
Arxiv
0+阅读 · 6月18日
VIMPO: Value-Implicit Policy Optimization for LLMs
Arxiv
0+阅读 · 6月18日
Why Tree-Style Branching Matters for Thought Advantage Estimation in GRPO
Arxiv
0+阅读 · 6月15日
Reinforcement Learning Measurement Model
Arxiv
0+阅读 · 5月10日
Knowing When to Quit: A Principled Framework for Dynamic Abstention in LLM Reasoning
Arxiv
0+阅读 · 6月12日
Knowing When to Quit: A Principled Framework for Dynamic Abstention in LLM Reasoning
Arxiv
0+阅读 · 5月25日
Improved Runtime Bound for the $(μ+ 1)$ EA on BinVal
Arxiv
0+阅读 · 6月11日
Heuristic Pathologies and Further Variance Reduction via Uncertainty Propagation in the AIVAT Family of Techniques
Arxiv
0+阅读 · 5月14日
Generative Modeling by Value-Driven Transport
Arxiv
0+阅读 · 5月21日
参考链接
微信扫码咨询专知VIP会员
Top