MDP Planning as Policy Inference
本文提出了一种将情境马尔可夫决策过程规划视为策略的贝叶斯推理的概念框架,其中策略作为隐变量,期望回报定义了后验分布,这为以轨迹为中心或以熵正则化为中心的方法提供了一种独特的替代方案,并通过在各种环境中使用变分序列蒙特卡洛方法证明了其有效性。
原作者已查阅我们通俗解释的论文。
本页收录的每篇论文,都有至少一位原作者阅读并参与了我们的通俗解释——或是确认其准确无误,或是提出修正意见并由我们随后采纳。作者的确认并不等同于对每一句话的正式背书,但说明该解释已经过论文作者的审视。
1198 篇论文已由作者审阅 · 181–190 / 1198
本文提出了一种将情境马尔可夫决策过程规划视为策略的贝叶斯推理的概念框架,其中策略作为隐变量,期望回报定义了后验分布,这为以轨迹为中心或以熵正则化为中心的方法提供了一种独特的替代方案,并通过在各种环境中使用变分序列蒙特卡洛方法证明了其有效性。
该论文介绍了 GEMSS,这是一种利用具有内置排斥机制的单一混合模型,来高效发现针对高维分类和回归问题的多个不同、稀疏且在统计上合理的解的变分方法,其在合成基准测试和实际应用中均优于现有基准方法。
本文提出,指数 的约数结构在梅森素数的分布中引入了一种可检测的算术偏差,从而导致了一种改进的 Wagstaff 启发式算法,即具有更高归一化约数复杂度 的指数在统计上更有可能产生梅森素数。
本文预测,下一代 CHORD 射电望远镜将通过探测比当前目录多出约十倍的源,将巡天范围扩展至显著更低质量的星系(),并发现数千个大质量高红移巨星,从而彻底变革中性氢星系的普查工作,以更好地理解星系气体储库的演化。
本文介绍了 Syntriod,这是一种鲁棒的基于模板的算法,它能够为不同且稀疏的观测采样机制下的光谱双星提供可靠的初始轨道参数估计,其性能优于经典的周期搜索技术,并可作为现代轨道拟合流水线有效的预求解器。
本文通过利用热QCD中的两圈光子自能,推导出了领先对数项及超越领先对数项对光子产生率的解析表达式,并证实了其与动力学理论计算的一致性,从而研究了夸克-胶子等离子体中的高能光子产生。
本文介绍了一种用于精确模拟宇宙学对撞机特征的新型模拟方法,展示了模拟中振荡晕偏置(oscillating halo bias)的首次测量结果,并证明其随质量变化的振幅和相位是探测原始高能物理的一种稳健且独特的手段,且该手段与观测系统误差相区别。
本文对一项胸部 X 线片视觉语言模型基准测试进行了取证复现性审计,通过追踪保留的导入与调用路径以推断提示词绑定情况,揭示了在数据渲染、提示词执行和统计分析方面存在的关键差异。研究发现,尽管在固定队列分析中仅产生了 27/45 项未调整和 20/45 项 Holm 调整后的比较,但 28/45 的结果在采用各比较项独立分母的独立成对可用病例分析中得到了复现。上述差异导致原有的性能与自动化报告-标签不一致性主张被撤回,并提出了旨在确保未来人工制品完整性的机器可验证控制措施。
本文通过实证研究表明,当代的商业大语言模型在其安全护栏方面存在显著且不一致的漏洞,使得它们极易被操纵以生成在视觉上与真实文档无异、具有高度可信度且定制化的医疗记录。
本文提出了一个统一的解析模型,描述了超轻暗物质孤子在中心黑洞的影响下如何从核心型向尖点型形状转变,并证明在考虑这些形状变化及潜在中心黑洞的情况下,对矮星系的观测结果与约 eV/c 的普适粒子质量是一致的。