arXiv cs.AI· Wasu Top Piriyakulkij, Wolfgang Lehrach, Kevin Ellis, Kevin Murphy·· 1 天前AI 评分29
AgentOWL：联合学习分层神经选项与抽象世界模型
Joint Learning of Hierarchical Neural Options and Abstract World Model
AI 导读
研究者提出 AgentOWL（Option and World model Learning Agent），以样本高效的方式联合学习抽象世界模型（同时在状态与时间维度抽象）和一组分层神经选项。在 Object-Centric Atari 游戏子集上，该方法用更少数据学到更多技能，并具备基线方法所没有的学习与泛化能力。论文已被 NeurIPS 2026 接收。
正文 · AI 翻译
摘要：通过组合已有技能来执行新技能的智能体，一直是 AI 智能体研究的长期目标。为此，我们研究如何高效地获取一系列技能，并将其形式化为分层神经选项。然而，现有的无模型分层强化算法需要大量数据。我们提出了一种新方法，称为 AgentOWL（Option and World model Learning Agent，选项与世界模型学习智能体），它以样本高效的方式联合学习一个抽象世界模型（在状态和时间两个维度上进行抽象）以及一组分层神经选项。我们在以对象为中心的 Atari 游戏子集上表明，与基线方法相比，我们的方法能用更少的数据学到更多技能，并具备基线方法所不具备的学习和泛化能力。
| 评论： | 已被 NeurIPS 2026 接收 |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用格式： | arXiv:2602.02799 [cs.LG] |
| （或本版本的 arXiv:2602.02799v3 [cs.LG]） | |
| https://doi.org/10.48550/arXiv.2602.02799 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Wasu Top Piriyakulkij [查看邮箱]
[v1]
2026 年 2 月 2 日星期一 20:58:11 UTC（3,094 KB）
[v2]
2026 年 5 月 11 日星期一 21:28:20 UTC（1,860 KB）
[v3]
2026 年 11 月 10 日星期二 21:39:16 UTC（1,974 KB）
来源：arXiv cs.AI · arxiv.org