会员服务
Breaking Determinism: Stochastic Modeling for Reliable Off-Policy Evaluation in Ad Auctions
Arxiv
0+阅读 · 12月3日
On the Design of KL-Regularized Policy Gradient Algorithms for LLM Reasoning
Arxiv
0+阅读 · 12月11日
Environment Agnostic Goal-Conditioning, A Study of Reward-Free Autonomous Learning
Arxiv
0+阅读 · 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
Off-Policy Action Anticipation in Multi-Agent Reinforcement Learning
Arxiv
0+阅读 · 2023年4月4日
An Efficient Off-Policy Reinforcement Learning Algorithm for the Continuous-Time LQR Problem
Arxiv
0+阅读 · 2023年3月31日
Finetuning from Offline Reinforcement Learning: Challenges, Trade-offs and Practical Solutions
Arxiv
0+阅读 · 2023年3月30日
Concentration of Contractive Stochastic Approximation: Additive and Multiplicative Noise
Arxiv
0+阅读 · 2023年3月28日
参考链接
微信扫码咨询专知VIP会员
Top