Thuật toán khám phá tùy chọn biến thể

Tóm tắt

Chúng tôi khám phá các phương pháp khám phá tùy chọn dựa trên suy luận biến thiên và đưa ra hai đóng góp về mặt thuật toán. Đầu tiên: chúng tôi làm nổi bật mối liên hệ chặt chẽ giữa các phương pháp khám phá tùy chọn biến thiên và bộ mã hóa tự động biến thiên, đồng thời giới thiệu Học tự động mã hóa biến thiên của tùy chọn bằng cách củng cố (VALOR), một phương pháp mới bắt nguồn từ mối liên hệ này. Trong VALOR, chính sách mã hóa các ngữ cảnh từ phân phối nhiễu thành các quỹ đạo và bộ giải mã khôi phục các ngữ cảnh từ các quỹ đạo hoàn chỉnh. Thứ hai: chúng tôi đề xuất một phương pháp học theo chương trình giảng dạy trong đó số lượng ngữ cảnh mà tác nhân nhìn thấy tăng lên bất cứ khi nào hiệu suất của tác nhân đủ mạnh (được bộ giải mã đo lường) trên tập ngữ cảnh hiện tại. Chúng tôi chỉ ra rằng thủ thuật đơn giản này ổn định quá trình đào tạo cho VALOR và các phương pháp khám phá tùy chọn biến thiên trước đó, cho phép một tác nhân duy nhất học được nhiều chế độ hành vi hơn so với khi sử dụng phân phối ngữ cảnh cố định. Cuối cùng, chúng tôi nghiên cứu các chủ đề khác liên quan đến khám phá tùy chọn biến thiên, bao gồm các hạn chế cơ bản của phương pháp tiếp cận chung và khả năng áp dụng các tùy chọn đã học vào các tác vụ hạ nguồn.

Xem thêm: mua tài khoản ChatGPT Plus và tài khoản ChatGPT 4 chính hãng giá rẻ