研究提出用信息价值统一记忆检索与信用分配

1. 12:00
   arXiv cs.AI

   用信息价值统一解决强化学习中的廉价检索与观测信用分配

   研究提出用“信息价值”这一单一量同时解决强化学习记忆中的两个问题：检索时无需对整个存储打分，且检索收益的信用可归因到具体观测。该方法借助学习到的世界模型从存档 rollout 中估计信息价值，在观测处读取可给出获取动作最优值的可证下界并抬高其 TD 目标，在决策处读取则定义最优检索集合。一个待用该信号训练的试点检索系统已能以更少上下文完成记忆任务。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。