Experiential Reinforcement Learning
经验强化学习
机构 * University of Southern California（南加州大学） ； Microsoft（微软公司） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 经验强化学习通过显式经验-反思-巩固循环提升语言模型在稀疏奖励环境中的学习效率和性能。
Comments 26 pages, 9 tables, 7 figures
高校专区
University of Pennsylvania（宾夕法尼亚大学）
Denoising diffusion probabilistic models are optimally adaptive to unknown low dimensionality
去噪扩散概率模型在未知低维性下最优适应
机构 * Department of Statistics and Data Science, the Wharton School, University of Pennsylvania（统计与数据科学系，沃顿商学院，宾夕法尼亚大学）
AI总结 该研究证明了DDPM在未知低维数据下具有最优适应性，其迭代复杂度与内在维度线性相关，且与KL散度度量一致。
Comments Accepted to Mathematics of Operations Research
GraphFM: A generalist graph transformer that learns transferable representations across diverse domains
GraphFM: 一种通用的图变换器，能够在不同领域中学习可迁移的表示
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Columbia University（哥伦比亚大学）
AI总结 GraphFM是一种通用图变换器，通过多图预训练学习可迁移的表示，提升跨不同图结构和任务的性能。
Journal ref Transactions on Machine Learning Research, 2025
