2024
SGD噪声的蝴蝶效应：行为克隆和自回归中的误差放大
Adam Block、Dylan J.Foster、Akshay Krishnamurthy、，马克斯·辛乔维茨，Cyril Zhang。提交中，2024年。
基于权重合并的车队策略学习及其在机器人工具使用中的应用
王丽瑞、张开清、周爱伦、，马克斯·辛乔维茨，Russ Tedrake。ICLR公司，2024年。
2023
情景强化学习中的腐败稳健探索
α： 利库里斯（Thodoris Lykouris），马克斯·辛乔维茨、Aleksandrs Slivkins、Wen Sun。运筹学数学, 2023.
生殖行为克隆的可证明保证：在低水平稳定性和高水平行为之间架起桥梁
α： Adam Block、Daniel Pfrommer、，马克斯·辛乔维茨.纽里普斯, 2023.
分段仿射系统中预测的平滑在线学习
α： 亚当·布洛克，马克斯·辛乔维茨，Russ Tedrake。NeurIPS公司,聚光灯, 2023.
RePo：通过正则化后验可预测性实现基于弹性模型的强化学习
朱春宁，马克斯·辛乔维茨、Siri Gadipudi、Abhishek Gupta。纽里普斯,聚光灯, 2023.
模拟复杂轨迹：在低水平稳定性和高水平行为之间架起桥梁
α： Adam Block、Daniel Pfrommer、，马克斯·辛乔维茨.Frontiers4LCD研讨会，ICML, 2023.
基于测地凸集图的非核素运动规划
托马斯·科恩、马克·彼得森、，马克斯·辛乔维茨，Russ Tedrake。RSS、，最佳论文入围者, 2023.
面向分段连续决策的Oracle高效平滑在线学习
α： Adam Block、Sasha Rakhlin、，马克斯·辛乔维茨.COLT公司, 2023.
处理组合分布偏移：矩阵完成视角
马克斯·辛乔维茨阿比舍克·古普塔（Abhishek Gupta）、张开清（Kaiqing Zhang）。COLT公司, 2023.
强化学习的探索与激励
马克斯·辛乔维茨、Aleksandrs Slivkins。运筹学，2023（即将出现）。
异质分布转移下的统计学习
马克斯·辛乔维茨阿努拉·阿杰（Anurag Ajay）、普基特·阿格拉瓦尔（Pulkit Agrawal）、阿克谢·克里希纳穆提（Akshay Krishnamurthy）。ICML公司, 2023.
学习局部线性模型对非线性政策优化的作用
丹尼尔·普弗洛默*,马克斯·辛乔维茨*、Tyler Westenbroek、Nikolai Matni、Stephen Tu。ICML公司, 2023.
学习外推法：一种转导方法
阿维夫·内塔尼亚胡（Aviv Netanyahu）、阿比谢克·古普塔（Abhishek Gupta）、，马克斯·辛乔维茨张开清（Kaiqing Zhang）、阿格拉瓦尔（Pulkit Agrawal）。ICLR公司, 2023.
2022
使用不同模拟器进行接触丰富操作策略优化的病理学和挑战
H.J.Terry Suh，马克斯·辛乔维茨张开庆，俄罗斯特德雷克。ICRA 2022研讨会：丰富接触操作的强化学习, 2022.
学习外推法：一种转导方法
阿维夫·内塔尼亚胡（Aviv Netanyahu）、阿比谢克·古普塔（Abhishek Gupta）、，马克斯·辛乔维茨张开清（Kaiqing Zhang）、阿格拉瓦尔（Pulkit Agrawal）。NeurIPS 2022配电转移研讨会（DistShift）, 2022.
广义线性函数的高效近最优平滑在线学习
α： 亚当·布洛克，马克斯·辛乔维茨.NeurIPS公司, 2022.
基于动态滤波器的输出估计全局收敛策略搜索
杰克·乌姆伯格*,马克斯·辛乔维茨*Juan C.Perdomo、Kaiqing Zhang、Russ Tedrake。NeurIPS公司, 2022.
不同的模拟器能提供更好的政策梯度吗？
H.J.Terry Suh，马克斯·辛乔维茨张开庆，俄罗斯特德雷克。ICML公司,杰出论文奖, 2022.
在线性马尔可夫决策过程中，无奖励RL并不比奖励软件RL困难
Andrew Wagenmaker、Yifang Chen、，马克斯·辛乔维茨西蒙·S·杜（Simon S.Du）、凯文·杰米森（Kevin Jamieson）。ICML公司,聚光灯。2022
线性函数逼近强化学习中的一阶后悔：一种稳健估计方法
Andrew Wagenmaker、Yifang Chen、，马克斯·辛乔维茨西蒙·S·杜（Simon S.Du）、凯文·杰米森（Kevin Jamieson）。ICML公司,口头。, 2022.
超越无悔：依赖实例的PAC强化学习
Andrew Wagenmaker，马克斯·辛乔维茨，凯文·贾米森。COLT公司, 2022.
2021
错误先验下的贝叶斯决策及其在元学习中的应用
马克斯·辛乔维茨克里斯托弗·托什（Christopher Tosh）、阿克谢·克里希纳穆西（Akshay Krishnamurthy）、丹尼尔·徐（Daniel Hsu）、，
Thodoris Lykouris、Miroslav Dudík、Robert E.Schapire。纽里普斯,聚光灯, 2021.
利用策略梯度方法稳定动态系统
Juan C.Perdomo、Jack Umenberger、，马克斯·辛乔维茨.诺伊里普斯, 2021.
未知时变动力系统的在线控制
Edgar Minasyan、Paula Gradu、，马克斯·辛乔维茨埃拉·哈赞（Elad Hazan）。纽里普斯, 2021.
非线性下降视界控制的稳定性：一个几何观点
Tyler Westenbroek公司*,马克斯·辛乔维茨*，迈克尔·I·乔丹，S·尚卡·萨斯特里。疾病预防控制中心, 2021.
线性动力系统中的任务优化探索
Andrew Wagenmaker，马克斯·辛乔维茨凯文·杰米森。ICML公司, 2021.
对自适应线性控制的无量纲理解
胡安·佩尔多莫，马克斯·辛乔维茨阿列克·阿加瓦尔（Alekh Agarwal）、彼得·巴特利特（Peter Bartlett）。COLT公司, 2021.
α： 情景强化学习中的腐败稳健探索
利库里斯（Thodoris Lykouris），马克斯·辛乔维茨、Aleksandrs Slivkins、Wen Sun。COLT（扩展摘要）, 2021.
2020
使非随机控制（几乎）与随机控制一样简单
马克斯·辛乔维茨.NeurIPS公司, 2020.
从非线性学习线性二次正则观察
扎克·穆罕默德、迪伦·福斯特，马克斯·辛乔维茨迪潘德拉·米斯拉，
阿克谢·克里希纳穆西（Akshay Krishnamurthy）、萨沙·拉赫林（Sasha Rakhlin）、约翰·朗福德（John Langford）。NeurIPS公司, 2020.
凹凸和背包环境下的约束情景强化学习
α： KiantéBrantley、Miroslav Dudik、Thodoris Lykouris、Sobhan Miryoosefi、，
马克斯·辛乔维茨、Aleksandrs Slivkins、Wen Sun.NeurIPS公司, 2020.
非随机控制的不当学习
马克斯·辛乔维茨卡兰·辛格（Karan Singh）、伊拉德·哈赞（Elad Hazan）。COLT公司, 2020.
天真的探索是在线LQR的最佳选择
马克斯·辛乔维茨迪伦·福斯特。ICML公司, 2020.
用噪声数据平衡竞争目标：基于分数的分类器用于Welfare-Aware机器学习
埃丝特·罗尔夫，马克斯·辛乔维茨、莎拉·迪恩、莉迪亚·刘晓东、丹尼尔·BjöMarkegren、Moritz Hardt、Joshua Blumenstock。ICML公司, 2020.
对抗干扰下在线控制的对数后悔
迪伦·福斯特，马克斯·辛乔维茨.ICML公司, 2020.
强化学习的无偿探索
α： Chi Jin、Akshay Krishnamurthy、，马克斯·辛乔维茨、天成余。ICML公司, 2020.
线性回归的梯度复杂性
α： Mark Braverman、Elad Hazan、，马克斯·辛乔维茨，Blake Woodworth。COLT公司, 2020.
一种自适应机器人寻源的逐次消除方法
Esther Rolf、David Fridovich-Keil、，马克斯·辛乔维茨本杰明·雷奇特（Benjamin Recht）、克莱尔·汤姆林（Claire Tomlin）。IEEE机器人汇刊, 2020.
2019
表列MDP的非共鸣Gap-依赖后悔界
马克斯·辛乔维茨凯文·杰米森。NeurIPS公司, 2019.
用半参数最小二乘学习线性动力系统
马克斯·辛乔维茨罗斯·博查尔（Ross Boczar）、本杰明·雷奇特（Benjamin Recht）。COLT公司, 2019.
无约束学习的内隐公平标准
Lydia Liu，马克斯·辛乔维茨莫里茨·哈德（Moritz Hardt）。ICML公司, 2019.
利用不完整数据平衡Welfare-Aware机器学习的竞争目标。
埃丝特·罗尔夫，马克斯·辛乔维茨、莎拉·迪恩、莉迪亚·刘晓东、丹尼尔·BjöMarkegren、Moritz Hardt、Joshua Blumenstock。人工智能社会公益神经信息处理系统联合研讨会,最佳论文奖, 2019.
一阶方法几乎总是避免鞍点
Jason D.Lee、Ioannis Panageas、Georgios Piliouras、，马克斯·辛乔维茨迈克尔·乔丹（Michael I.Jordan）、本杰明·雷希特（Benjamin Recht）。数学规划（第1-27页）, 2019.
2018
不混合学习：线性系统辨识的尖锐分析
马克斯·辛乔维茨，Horia Mania，Stephen Tu，Benjamin Recht，Michael I.Jordan。COLT公司，2018年。
公平机器学习的延迟影响
Lydia T.Liu、Sarah Dean、Esther Rolf、，马克斯·辛乔维茨莫里茨·哈德（Moritz Hardt）。ICML公司,最佳论文奖2018
基于有限样本变形Wigner定律的PCA紧查询复杂度下限
马克斯·辛乔维茨艾哈迈德·阿拉维（Ahmed El Alaoui）、本杰明·雷希特（Benjamin Recht）。STOC公司，2018年。
成对比较的近似排名
莱因哈德·赫克尔，马克斯·辛乔维茨坎南·兰昌德兰（Kannan Ramchandran）、马丁·温赖特（Martin J.Wainwright）。AISTATS公司，2018年。
2017
模拟器：加深对中等置信度下自适应抽样的理解
马克斯·辛乔维茨Kevin Jamieson和Benjamin Recht。COLT公司, 2017.
2016
K级强盗中的佼佼者
马克斯·辛乔维茨Kevin Jamieson和Benjamin Recht。COLT公司, 2016.
梯度下降收敛到最小化.
Jason D.Lee，马克斯·辛乔维茨Michael I.Jordan和Benjamin Recht。COLT公司, 2016.
基于Procrustes流的线性矩阵方程的低阶解。
Stephen Tu、Ross Boczar、，马克斯·辛乔维茨马赫迪·索塔诺尔科塔比（Mahdi Soltanolkotabi）、本杰明·雷希特（Benjamin Recht）。ICML公司, 2016.