Debmalya Mandal

Desenvolvendo algoritmos pra melhorar o aprendizado por reforço usando feedback humano, mesmo com dados corrompidos.

Esse estudo apresenta um método pra distribuir recompensas em ambientes desconhecidos.

Uma nova abordagem para o aprendizado por reforço considera as mudanças no ambiente causadas pelas ações do agente.

Examinando o impacto da corrupção de dados nas estratégias de aprendizado em jogos de Markov de soma zero para dois jogadores.

Um novo método melhora a precisão na escolha focando em preferências parciais.

Este estudo foca em simetrias ocultas em bandits lineares de alta dimensão.

Explorando como RL performático muda a dinâmica dos jogos e a estabilidade das políticas.

Uma olhada em como votar pode esclarecer opiniões em grupos grandes.