University of California, San Diego（加州大学圣迭戈分校）

Dual-Objective Reinforcement Learning with Novel Hamilton-Jacobi-Bellman Formulations

双目标强化学习与新型哈密顿-雅可比-贝尔曼公式

William Sharpless, Dylan Hirsch, Sander Tonkens, Nikhil Shinde, Sylvia Herbert

机构 * University of California, San Diego（加州大学圣地亚哥分校） 纠错

AI总结 本文提出基于哈密顿-雅可比-贝尔曼公式的双目标强化学习方法，通过分解方法解决RAA和RR问题，改进了策略性能。

Locality-Sensitive Hashing-Based Efficient Point Transformer for Charged Particle Reconstruction

基于局部敏感哈希的高效点变换器用于带电粒子重建

Shitij Govil, Jack P. Rodgers, Yuan-Tang Chou, Siqi Miao, Amit Saha, Advaith Anand, Kilian Lieret, Gage DeZoort, Mia Liu, Javier Duarte, Pan Li, Shih-Chieh Hsu

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Purdue University（普渡大学） ； University of Washington（华盛顿大学） ； Princeton University（普林斯顿大学） ； University of California San Diego（加州大学圣地亚哥分校） 纠错

AI总结 HEPTv2通过轻量级解码器消除聚类步骤，实现高效端到端推理，提升带电粒子轨迹重建的性能和效率。

Comments Accepted to NeurIPS 2025 Machine Learning and the Physical Sciences Workshop