Nan Jiang

Ce papier examine des méthodes pour améliorer l'estimation de la valeur dans l'apprentissage par renforcement malgré les défis.

Nouvelle approche qui combine simulation et données hors ligne pour de meilleurs tests de robots.

Examen du compromis entre le fine-tuning et la préservation des compétences générales dans les modèles d'IA.

Racing-CVGP améliore l'efficacité de la régression symbolique pour découvrir des équations mathématiques.

Un nouvel algorithme améliore la prise de décision avec SMC dans des environnements incertains.

Une nouvelle méthode combine la régression symbolique verticale et l'apprentissage profond pour une meilleure découverte d'équations.

Cette recherche améliore l'apprentissage par renforcement en ligne en utilisant la modélisation du rapport de densité pour une meilleure exploration.

Une approche systématique pour améliorer les prédictions de POI en utilisant des données de télédétection.

Un nouveau modèle améliore l'intégration des batteries dans les systèmes énergétiques.

Un nouveau cadre améliore l'exactitude de la correction des bugs en utilisant une analyse au niveau des jetons et des infos contextuelles.

Améliorer la capacité des LLM à peaufiner leur code grâce à des techniques de débogage autonome.

Cette étude présente un nouveau modèle pour les fluides à contrainte de cisaillement, améliorant la compréhension et les applications.

Une nouvelle approche pour trouver des EDO en utilisant des techniques de collecte de données actives.

Explorer la Répétition d'Expérience Inversée pour un apprentissage plus efficace dans les algorithmes de renforcement.

Un nouvel algorithme améliore la détection d'événements sonores en utilisant l'apprentissage auto-supervisé.

Découvrez comment le GAS améliore l'efficacité et l'efficience de la pub en ligne.