Balancing Context Length and Mixing Times for Reinforcement Learning at Scale

Sarath Chandar Anbil Parthipan, Khimya Khetarpal, Janarthanan Rajendran, Matthew Riemer

Communication écrite (2024)

Accéder à ce document
Lien externe
Ce document n'est pas archivé dans PolyPublie, mais peut être consulté chez l'éditeur officiel
Voir chez l'éditeur officiel
Département:
Département de génie informatique et génie logiciel
ISBN:
9798331314385
Adresse URL de PolyPublie:
https://publications.polymtl.ca/73398/
Nom de la conférence:
38th Conference on Neural Information Processing Systems (NeurIPS 2024)
Lieu de la conférence:
Vancouver, BC, Canada
Date(s) de la conférence:
2024-12-10 - 2024-12-15
Maison d'édition:
Neural Information Processing Systems Foundation, Inc. (NeurIPS)
DOI:
10.52202/079017-2552
URL officielle:
https://doi.org/10.52202/079017-2552
OAI:
oai:publications.polymtl.ca:73398
ORCID
Date du dépôt:
09 avr. 2026 10:41
Dernière modification:
14 oct. 2026 14:34
Citer en APA 7:
Anbil Parthipan, S. C., Khetarpal, K., Rajendran, J., & Riemer, M. (décembre 2024). Balancing Context Length and Mixing Times for Reinforcement Learning at Scale [Communication écrite]. 38th Conference on Neural Information Processing Systems (NeurIPS 2024), Vancouver, BC, Canada. https://doi.org/10.52202/079017-2552

Statistiques

Dimensions

Actions réservées au personnel

Afficher document
Afficher document