会员服务
Do Not Step Into the Same River Twice: Learning to Reason from Trial and Error
Arxiv
0+阅读 · 1月6日
MSACL: Multi-Step Actor-Critic Learning with Lyapunov Certificates for Exponentially Stabilizing Control
Arxiv
0+阅读 · 2025年12月31日
Fitted Q Evaluation Without Bellman Completeness via Stationary Weighting
Arxiv
0+阅读 · 2025年12月29日
Bellman Calibration for V-Learning in Offline Reinforcement Learning
Arxiv
0+阅读 · 2025年12月29日
Efficient Offline Reinforcement Learning: First Imitate, then Improve
Arxiv
0+阅读 · 2025年12月28日
State-Conditional Adversarial Learning: An Off-Policy Visual Domain Transfer Method for End-to-End Imitation Learning
Arxiv
0+阅读 · 2025年12月24日
Trajectory-Aware Eligibility Traces for Off-Policy Reinforcement Learning
Arxiv
0+阅读 · 2025年12月21日
Recurrent Off-Policy Deep Reinforcement Learning Doesn't Have to be Slow
Arxiv
0+阅读 · 2025年12月23日
Breaking Determinism: Stochastic Modeling for Reliable Off-Policy Evaluation in Ad Auctions
Arxiv
0+阅读 · 2025年12月3日
On the Design of KL-Regularized Policy Gradient Algorithms for LLM Reasoning
Arxiv
0+阅读 · 2025年12月11日
Environment Agnostic Goal-Conditioning, A Study of Reward-Free Autonomous Learning
Arxiv
0+阅读 · 2025年11月6日
Generalized Policy Improvement Algorithms with Theoretically Supported Sample Reuse
Arxiv
0+阅读 · 2023年4月14日
Exploiting Symmetry and Heuristic Demonstrations in Off-policy Reinforcement Learning for Robotic Manipulation
Arxiv
1+阅读 · 2023年4月12日
Sector Bounds for Vertical Cable Force Error in Cable-Suspended Load Transportation System
Arxiv
0+阅读 · 2023年4月1日
A Policy-Guided Imitation Approach for Offline Reinforcement Learning
Arxiv
0+阅读 · 2023年4月5日
参考链接
微信扫码咨询专知VIP会员
Top