The Value of Goal Commitment in Planning
作者: Alberto Pozanco, Marianela Morales, Daniel Borrajo, Manuela Veloso
研究方向: 自动化规划领域
该论文研究了在规划任务中引入目标承诺的概念，并提出了通过添加承诺动作来扩展规划任务的方法，以增强规划器在搜索过程中的目标承诺。
ID: 2503.09545v1•来源: arxiv•发布时间: 2025-03-14
Differentially Private Equilibrium Finding in Polymatrix Games
作者: Mingyang Liu, Gabriele Farina, Asuman Ozdaglar
研究方向: 博弈论与差分隐私
本文研究了在差分隐私约束下，如何寻找多矩阵博弈中的均衡点。文章首先分析了在两种设置下，无法同时实现高精度和渐近零差分隐私预算的情况：一是寻求以欧几里得距离来衡量均衡集的近似保证，二是攻击者可以访问所有通信渠道。然后，假设攻击者可以访问有限数量的通信渠道，提出了一种新的分布式算法，该算法在玩家数量增加时，能够同时达到渐近零纳什差距（在预期效用中，也称为可利用性和隐私预算）。
ID: 2503.09538v1•来源: arxiv•发布时间: 2025-03-13
GenHPE: Generative Counterfactuals for 3D Human Pose Estimation with Radio Frequency Signals
作者: Shuokang Huang, Julie A. McCann
研究方向: 3D人体姿态估计与无线射频信号
该研究提出了一种名为GenHPE的3D人体姿态估计方法，利用无线射频信号进行人体姿态估计。该方法通过生成反事实无线射频信号来消除特定领域的混淆因素，并训练生成模型，学习人体部位和混淆因素如何影响无线射频信号。通过这种方式，GenHPE能够泛化到新的主体和环境，从而实现跨领域3D人体姿态估计。
ID: 2503.09537v1•来源: arxiv•发布时间: 2025-03-14
CombatVLA: An Efficient Vision-Language-Action Model for Combat Tasks in 3D Action Role-Playing Games
作者: Peng Chen, Pi Bu, Yingyao Wang, Xinyi Wang, Ziming Wang, Jie Guo, Yingxiu Zhao, Qi Zhu, Jun Song, Siran Yang, Jiamang Wang, Bo Zheng
研究方向: 视觉-语言-动作（VLA）模型在3D动作角色扮演游戏（ARPG）中的应用
本文提出了一种名为CombatVLA的VLA模型，专门用于优化3D ARPG中的战斗任务。该模型通过视频动作对数据进行训练，并采用行动思考（AoT）序列进行数据格式化。CombatVLA能够与动作执行框架无缝集成，并通过截断AoT策略实现高效推理。
ID: 2503.09527v1•来源: arxiv•发布时间: 2025-03-14
PairVDN - Pair-wise Decomposed Value Functions
作者: Zak Buzzard
研究方向: 多智能体强化学习（MARL）与深度Q学习（DQN）
本文研究了将深度Q学习（DQN）扩展到合作多智能体环境中的挑战，并提出了PairVDN，一种将值函数分解为成对函数的新方法，以改善表达性。
ID: 2503.09521v1•来源: arxiv•发布时间: 2025-03-14
Search-R1: Training LLMs to Reason and Leverage Search Engines with Reinforcement Learning
作者: Bowen Jin, Hansi Zeng, Zhenrui Yue, Dong Wang, Hamed Zamani, Jiawei Han
研究方向: 自然语言处理，强化学习，大型语言模型
本文提出了一种名为SEARCH-R1的新型强化学习框架，旨在增强大型语言模型（LLM）的推理和检索能力。该框架允许LLM在推理过程中自主生成搜索查询，并利用实时检索结果进行推理，从而提高LLM在复杂推理任务中的表现。
ID: 2503.09516v1•来源: arxiv•发布时间: 2025-03-14
RESTRAIN: Reinforcement Learning-Based Secure Framework for Trigger-Action IoT Environment
作者: Md Morshed Alam, Lokesh Chandra Das, Sandip Roy, Sachin Shetty, Weichao Wang
研究方向: 物联网安全，强化学习，触发-动作平台
该研究提出了一种名为RESTRAIN的基于强化学习的在线防御系统，用于保护具有触发-动作能力的物联网环境，防止远程注入攻击。
ID: 2503.09513v1•来源: arxiv•发布时间: 2025-03-14
Double-Stage Feature-Level Clustering-Based Mixture of Experts Framework
作者: Bakary Badjie, José Cecílio, António Casimiro
研究方向: 机器学习，图像分类，深度学习
该论文提出了一种名为 Double-stage Feature-level Clustering and Pseudo-labeling-based Mixture of Experts (DFCP-MoE) 的框架，用于图像分类任务。该框架旨在通过将输入空间聚类和使用伪标签来改进混合专家（MoE）模型，从而提高分类性能和效率。
ID: 2503.09504v1•来源: arxiv•发布时间: 2025-03-14
ReMA: Learning to Meta-think for LLMs with Multi-Agent Reinforcement Learning
作者: Ziyu Wan, Yunxiang Li, Yan Song, Hanjing Wang, Linyi Yang, Mark Schmidt, Jun Wang, Weinan Zhang, Shuyue Hu, Ying Wen
研究方向: 大型语言模型（LLM）的推理与元思考
该研究提出了一种名为ReMA的框架，通过多智能体强化学习（MARL）来促进LLM的元思考能力。该框架将推理过程分解为两个层次：高级元思考智能体负责生成策略和计划，而低级推理智能体则负责执行详细的推理步骤。
ID: 2503.09501v1•来源: arxiv•发布时间: 2025-03-14
MindGYM: Enhancing Vision-Language Models via Synthetic Self-Challenging Questions
作者: Zhe Xu, Daoyuan Chen, Zhenqing Ling, Yaliang Li, Ying Shen
研究方向: 视觉语言模型（VLM）的推理能力提升
MINDGYM是一种通过合成自挑战问题来增强视觉语言模型（VLM）推理能力的框架。该框架通过三个阶段实现：种子单跳问题合成、挑战多跳问题合成和思维诱导课程微调，旨在提高数据效率、计算效率和模型的泛化能力。
ID: 2503.09499v1•来源: arxiv•发布时间: 2025-03-14