Newest papers

Asymmetric On-Policy Distillation Learns In-Context Exploration

Sriyash Poddar, Yanda Bao, Jacob Krantz, Matthew Chang, Xavier Puig, Roozbeh Mottaghi, Natasha Jaques, Abhishek Gupta · 2026 · arXiv

DOI: 10.48550/arXiv.2610.30105 · open-access PDF

Vietnamese

Việc ra quyết định liên tiếp dưới sự quan sát một phần là khó khăn bởi vì các đại lý phải khám phá để kết luận thông tin ẩn, có liên quan đến nhiệm vụ trước khi hành động hiệu quả. Học hành vi thu thập thông tin như vậy tabula rasa thông qua học tập tăng cường trực tuyến là không hiệu quả, trong khi bắt chước ngoại tuyến trung bình các hành động của chuyên gia trên các trạng thái ẩn và không học khám phá. Trong công việc này, chúng tôi đề xuất ASTEROID, một khuôn khổ học tập đơn giản và hiệu quả do học sinh-giáo viên giám sát có thể học khám phá thời gian thử nghiệm. Mặc dù một chuyên gia đặc quyền không bao giờ cần khám phá, chúng tôi chứng minh rằng

Machine translation (Meta M2M100); the English original follows.

Abstract

Sequential decision-making under partial observability is difficult because agents must explore to infer hidden, task-relevant information before acting effectively. Learning such information-gathering behaviors tabula rasa via online reinforcement learning is sample-inefficient, whereas offline imitation averages expert actions across hidden states and fails to learn exploration. In this work, we propose ASTEROID, a simple and effective student--teacher supervised learning framework that can learn test-time exploration. Although a privileged expert never needs to explore, we demonstrate that

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange