Vincent Taboga

I am a postdoctoral researcher at Mila, working with Professor Pierre-Luc Bacon. I completed my Ph.D. at Polytechnique Montréal and Mila under the supervision of Professor Hanane Dagdougui. My doctoral research focused on the optimal control of HVAC systems in buildings participating in Demand Response programs.

Je suis chercheur postdoctoral à Mila, où je travaille avec le professeur Pierre-Luc Bacon. J'ai obtenu mon doctorat à Polytechnique Montréal et à Mila sous la direction de la professeure Hanane Dagdougui. Ma thèse portait sur le contrôle optimal des systèmes CVAC dans des bâtiments participant à des programmes de réponse à la demande.

My research addresses generalization in sequential decision-making. Classical reinforcement learning learns one policy for one environment; I am interested in agents that are good at a family of tasks. This question runs through my work at every level: theory, algorithms, and large-scale evaluation. More specifically, I focus on:

Ma recherche porte sur la généralisation en prise de décision séquentielle. L'apprentissage par renforcement classique apprend une politique pour un environnement ; je m'intéresse aux agents qui sont bons sur une famille de tâches. Cette question traverse mes travaux à tous les niveaux : théorie, algorithmes et évaluation à grande échelle. Plus précisément, mes travaux portent sur :

• Reinforcement learning in the era of generative models. LLMs that write control code blur the line between the agent and its training procedure. I formalize these systems through temporal abstraction and meta-learning, and study where prior knowledge should enter a learning system.
• Adaptation under uncertainty. Bayesian model-based and in-context RL algorithms that explicitly represent what the agent does not know, and risk-sensitive objectives for decisions whose failures matter.
• Evaluation over task distributions. A generalizable agent cannot be measured on a single environment. I build large-scale, physically consistent benchmarks (Building2Building) to measure multi-task learning and cross-domain transfer.
• Energy systems as a proving ground. I come from an engineering background, and I keep my research grounded and like to test my ideas on systems I know deeply: smart buildings and smart grids. I prefer solutions to real problems over solutions in search of problems, and few problems are more real than climate change.

• L'apprentissage par renforcement à l'ère des modèles génératifs. Les LLM qui écrivent du code de contrôle brouillent la frontière entre l'agent et sa procédure d'entraînement. Je formalise ces systèmes à travers l'abstraction temporelle et le méta-apprentissage, et j'étudie où les connaissances a priori doivent entrer dans un système apprenant.
• L'adaptation sous incertitude. Des algorithmes de RL bayésiens, fondés sur des modèles ou en contexte, qui représentent explicitement ce que l'agent ignore, et des objectifs sensibles au risque pour les décisions dont les échecs comptent.
• L'évaluation sur des distributions de tâches. Un agent généralisable ne se mesure pas sur un seul environnement. Je construis des bancs d'essai à grande échelle et physiquement cohérents (Building2Building) pour mesurer l'apprentissage multi-tâches et le transfert entre domaines.
• Les systèmes énergétiques comme terrain d'essai. Formé au génie énergétique, j'ancre mes recherches dans les systèmes que je connais en profondeur : les bâtiments et les réseaux électriques intelligents. Je préfère les solutions à des problèmes réels aux solutions en quête de problèmes — et peu de problèmes sont aussi réels que les changements climatiques.

I am also a course lecturer at Polytechnique and Université de Montréal. I teach classes such as calculus, linear algebra, linear optimization, data science and machine learning for undergraduate and graduate students.

Je suis également chargé de cours à Polytechnique Montréal et à l'Université de Montréal. J'enseigne divers cours tels que le calcul, l'algèbre linéaire, l'optimisation linéaire, la science des données et l'apprentissage automatique aux étudiantes et étudiants de premier cycle et des cycles supérieurs.