Not All Transitions Matter: Evidence from PPO
本論文は、PPO のロールアウトから固定割合(具体的には 25%)の遷移をランダムに除去することが、因果的に連鎖する勾配の冗長性を効果的に打破し、コアアルゴリズムを変更したり最終報酬性能を犠牲にしたりすることなく、多様な環境における訓練ダイナミクスを安定化させることを示している。
原著者が当サイトのやさしい解説を確認した論文。
このページに掲載されている各論文については、少なくとも一人の原著者が当サイトのやさしい解説を確認し、内容の正確性を認めるか、または修正を依頼しその修正を私たちが反映しています。確認は各文への正式な承認を意味するものではありませんが、論文を書いた本人たちの目を通ったことを意味します。
1288 件の論文を著者が確認済み · 871–880 / 1288
本論文は、PPO のロールアウトから固定割合(具体的には 25%)の遷移をランダムに除去することが、因果的に連鎖する勾配の冗長性を効果的に打破し、コアアルゴリズムを変更したり最終報酬性能を犠牲にしたりすることなく、多様な環境における訓練ダイナミクスを安定化させることを示している。
本論文は、カテゴリー論および不動点解析による安定かつ不変な解釈を確保するために、内部変換、解釈的写像、および意味的等価制約の組み合わせを活用し、認知過程をフィードバック駆動型力学系としてモデル化する統合サイバネティクス枠組みを提案する。
本論文は、TESS 光曲線で訓練された深層学習モデルを提示し、このモデルは低温矮星における太陽型振動の同定において 99.8% の精度を達成し、数千の候補を 24 個の有望な恒星に絞り込むことに成功し、主系列星および準巨星の星震学の検出フロンティアを拡張している。
本論文は、運動量保存型散逸を有する過減衰調和結合粒子の不均一連鎖に対する厳密な解析解を提示し、自由端が連鎖の中間物性に依存しない粒子相互作用を伴う特異な階段応答を誘起すること、およびランク不足行列が定常状態と緩和ダイナミクスとの明確な分離をもたらすことを明らかにする。
本研究は、スピン・バレー・層結合を介して多層n型WSe2のQおよびQ'バレーにおいて支配的なスピン分裂を誘起しうる面外電場を実証し、低消費電力のスピンエレクトロニクスおよび量子デバイスにおけるスピン状態の制御のための強力な非磁性の磁場代替手段を提供するものである。
本論文は、レゲ理論に基づく新たなヘリシティー・ソフト・ダイポール・ポメロン模型を提示し、任意の偏光を有する光子によるベクトル中間子の光生成の断面積およびスピン観測量を広いエネルギー範囲にわたって成功裡に記述するものであり、従来の模型を著しく改善し、将来の実験および宇宙光子偏光測定に対する予測を提供するものである。
本論文は、PCGrad を用いて勾配競合を解決することにより、動的な脈動流において磁気駆動マイクロロボット群を効果的に協調制御するハイブリッドの計算流体力学および多目的マルチエージェント強化学習フレームワークを提示し、これにより創発的な流体力学的挙動を通じて上流への進行、エネルギー効率、および運動の滑らかさを同時に最適化することを示す。
本論文は、従来の精度のみの指標では見落とされるランキング誤りを防止し、重要な洞察を明らかにするために、正しさ、一貫性、頑健性、論理的整合性、効率性、安定性の 6 つの明確な次元にわたる LLM の推論を評価する統合された多次元的行動フレームワークを導入する。
本論文は、エージェントが集合的意思決定において人間を代表するAI委任審議のための公共プラットフォーム「Habermolt」を提案し、その有効性を、スケーラブルで信頼性の高いAI代表者という新たな設計とアライメントの課題に対処する観点から、代表性、集約、修正の各次元を通じて評価するものである。
本論文は、トランスフォーマーモデルにおける概念形成を単一の「最良」層ではなく、残差ストリームの連続した領域全体にわたって生じる深度拡張プロセスとして再定義するフレームワーク「概念割当領域(CAZ)」を導入し、これらの領域を特定するための新たな指標を用いることで、多くの概念が標準的なピーク検出法には見えないが因果的に活性な微妙な多モーダル割当領域に存在することを明らかにする。