会员服务
Trust Regions Sell, But Who's Buying? Overlap Geometry as an Alternative Trust Region for Policy Optimization
Arxiv
0+阅读 · 2月6日
F-GRPO: Don't Let Your Policy Learn the Obvious and Forget the Rare
Arxiv
0+阅读 · 2月6日
Rewards as Labels: Revisiting RLVR from a Classification Perspective
Arxiv
0+阅读 · 2月5日
Deep SPI: Safe Policy Improvement via World Models
Arxiv
0+阅读 · 1月28日
Improving Policy Exploitation in Online Reinforcement Learning with Instant Retrospect Action
Arxiv
0+阅读 · 1月27日
Projected Microbatch Accumulation yields reference-free proximal policy updates for reinforcement learning
Arxiv
0+阅读 · 1月15日
Rethinking Sample Polarity in Reinforcement Learning with Verifiable Rewards
Arxiv
0+阅读 · 2025年12月25日
Any-Time Regret-Guaranteed Algorithm for Control of Linear Quadratic Systems
Arxiv
0+阅读 · 2025年12月20日
HiconAgent: History Context-aware Policy Optimization for GUI Agents
Arxiv
0+阅读 · 2025年12月1日
Regularization of the policy updates for stabilizing Mean Field Games
Arxiv
0+阅读 · 2023年4月13日
Cyclic Policy Distillation: Sample-Efficient Sim-to-Real Reinforcement Learning with Domain Randomization
Arxiv
0+阅读 · 2023年4月10日
Decentralized Multi-Agent Reinforcement Learning for Continuous-Space Stochastic Games
Arxiv
0+阅读 · 2023年3月16日
参考链接
微信扫码咨询专知VIP会员
Top