Papers with Code 아카이브
Reinforcement Learning (RL)
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 6
- 평가표
- 2
- 보존된 평가 기록
- 3
Reinforcement Learning (RL) involves training an agent to take actions in an environment to maximize a cumulative reward signal. The agent interacts with the environment and learns by receiving feedback in the form of rewards or punishments for its actions. The goal of reinforcement learning is to find the optimal policy or decision-making strategy that maximizes the long-term reward.
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
EvoRubric: 개방형 생성을 위한 자체 진화형 루브릭 기반 강화학습
외생적 문맥 MDP 학습을 위한 미니맥스 PAC 한계
VLA Grounder: 블랙박스 VLA 모델을 위한 언어 조건화 공간 최적화
X2Streaming-ASR: 불확실할 때는 기다리고 준비되었을 때 출력하는 스트리밍 음성 인식
Salesforce Koa: 에이전트 도구 사용을 위한 엔터프라이즈 언어 모델
라벨 없는 조향: 테스트 시간 강화학습을 바이어스 전용 부분공간으로 압축하기
때로는 걷기 전에 뛰어야 한다: VLM 자율주행을 위한 Run-then-Walk 스케줄링 전략
장기적 작업 수행 에이전트를 위한 검증 가능한 환경의 스케일링
추론이 아닌 결정 학습: 저차원 활성화 스티어링을 통한 매개변수 효율적 결정 연산자
자기 회고 증류: 사후 경험을 사전 예측력으로 전환하기
테이블 데이터 기반 대화형 작업 모호성 해소: 정보 누출을 고려한 정식화, 벤치마크 스위트 및 학습
VICO: 비전-언어 모델 추론을 위해 함께 진화하는 시각적 환경
시간 내 완수: 기한을 준수하며 생산적인 시간 제한형 AI 에이전트를 향하여
LLM을 위한 상각(Amortized) 오프-정책 평가
인간 청취자로부터의 강화학습을 적용한 대화형 음성 미학 모델
SPLIT-RL: 주장 수준 이점을 활용한 단계별 지각-언어 추론 학습
더 많음에서 더 적음을: 밀집 참조로 희소 비디오 추론 강화하기
목표 조건부 강화학습을 위한 월드 모델 정책 중재자
RH-Detect: 보상 해킹 탐지를 위한 통합 벤치마크
오프-정책 평가를 위한 예산 제약 다중 소스 반사실적 주석 달기
RLVR에서 해법 모드 붕괴의 측정 및 완화
DaCe-DT: 이종 태스크를 위한 적응형 프롬프트 및 궤적 보정을 통한 데이터 중심 오프라인 멀티태스크 강화학습
강화학습을 통한 블랙박스 검색용 문서 최적화
FiRe: 향상된 이미지 생성을 위한 세밀한 멀티모달 추론
SpanVLA: 비전-언어-행동 모델을 위한 빠른 행동 브리징 및 부정-복구 샘플 기반 학습
IoT 기반 교차로를 위한 강화학습 기반 교통 신호 제어
환각 셀프 플레이: 진화하는 생성기를 통한 강화된 탐지기 부트스트래핑
코드 최적화를 위한 강화학습
언어 모델에 음악 분야의 감독이 필요한가? 다중 제약 기호 음악 생성을 위한 검증 가능한 보상
대규모 언어 모델의 확률적 추론 진단 및 개선
LHM-Humanoid: 복잡한 장면에서 연속적인 물체 운반을 위한 장기 휴먼 모션 제어
연속 시간 제어를 위한 행동 기반 프로세스
턴 단위 중요도 샘플링과 클리핑 유발 정규화를 통한 장기 LLM 에이전트 오프-정책 학습의 안정화
균형 잡힌 미세조정을 통한 생명의학 지식과 대규모 언어 모델의 정렬
다중 목적 정렬에서 목적 간 간섭 현상 규명
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.