offline setting | BriefGPT - AI 论文速递

关键词offline setting

搜索结果 - 10

通过保守微调扩散模型，建立基于模型的优化和生成建模的桥梁
通过优化奖励模型的方式，我们采用了一种混合方法来调优顶尖扩散模型，结合了生成模型和基于模型的优化方法的优势，以求解 AI 驱动的设计问题。在离线数据集的常见科学领域中，我们关注的是一个奖励模型未知的离线环境，通过学习静态离线数据集，解决过度
PDFa month ago
离线逆强化学习：新的解决方案概念和可证明高效算法
逆强化学习（IRL）的目标是从行为示范中恢复专家智能体的奖励函数。本文介绍了一种新的可行奖励集概念，捕捉了离线设置的机会和限制，并分析了其估计的复杂性。通过引入针对该设置固有困难的原始学习框架，我们提出了两种计算和统计高效的算法，IRLO
PDF4 months ago
腐败鲁棒离线强化学习与人类反馈
我们设计了一种新颖的对抗性鲁棒性离线强化学习方法，以处理具有不同数据生成分布覆盖假设的数据污染情况，通过学习奖励模型和置信区间，然后在置信区间内学习一个悲观的最优策略，实现了离线强化学习中具有可证明的数据污染鲁棒性的 RLHF 方法。
PDF5 months ago
基于好奇心探索的目标条件离线规划
通过分析优化目标条件下的价值函数的几何特征，我们提出了一种使用基于模型的规划和基于图形的价值聚合方案相结合的方法来纠正学习价值函数中的估计伪像，并在各种模拟环境中显著提高了零 - shot 目标达成性能。
PDF7 months ago
具有实时预算约束的安全离线强化学习
本文从轨迹分布角度提出了基于 Trajectory-based REal-time Budget Inference (TREBI) 的解决方案，以解决离线情况下真实时间预算约束问题，理论上证明了收益和成本估计的误差界限，为 TREBI 提
PDFa year ago
提升 TD3-BC：放松策略约束用于离线学习和稳定的在线微调
该研究探讨了如何通过 RL 和行为克隆来优化策略以在离线环境下改善性能，并且证明了通过减少 BC 的影响来在训练后调整权衡以产生经过优化的政策是可能的，并且可以用于稳定的在线微调。
PDF2 years ago
基于稳态分布校正估计的离线观测学习 - LobsDICE
该论文探究了在缺乏专家行为数据的情况下，通过学习观察结果来模拟专家行为的问题，并提出了一种基于离线学习的算法 LobsDICE，该算法通过优化稳定分布来实现模仿专家策略，并在一系列在线学习任务中表现出色。
PDF2 years ago
基于线性函数逼近的在线离线证明有效度量对抗学习的生成式模仿学习
本文研究了在线和离线线性情况下生成对抗模仿学习，提出了乐观和悲观的生成对抗策略优化算法，并证明了算法的收敛性和误差界。
PDF3 years ago
IJCAI生产线上的设备重新分配
研究多阶段设施重新分配问题，包括在离线和在线两种情况下算法的设计和性能证明，提出了一种可实行的策略证明机制并给出最优性证明。
PDF3 years ago
可证明高效的在线矩阵完成算法：非凸随机梯度下降
该研究提出了一种可证明，高效的在线算法，用于矩阵完成问题。该算法使用随机梯度下降，具有快速的更新时间，并可自然地用于离线设置。
PDF8 years ago