الذكاء الاصطناعي ومشكلات العالم الصعبة · علوم الحاسوب النظرية · arXiv · 2026-10-21

اعترافات عملية ماركوف القرارية المقنَّعة (Masked MDP)

العنوان الأصلي: Confessions of a Masked MDP

في بعض تطبيقات التعلم المعزز، يُعدّ تحديد أزواج الحالة-الفعل غير الصالحة — قناع الأفعال — عنق الزجاجة الحاسوبي الرئيسي، رغم أنه يُفترض عادةً أن مجموعة الأفعال معروفة سلفاً. يدرس المؤلفون الجمع بين البحث عن سياسة مثلى وتعلُّم القناع نفسه في إطار عملية ماركوف لاتخاذ القرار الخطية (MDP) يكشف فيها كل فعل يُجرَّب القيمة الدقيقة لدرجة خطية تحدد صلاحيته. وتُثبت خوارزمية تحسين متفائلة حتمية أنها مثلى بمعنى minimax وكفوءة حسابياً، لكنها دون المستوى الأمثل على الحالات غير المنحلّة، في حين تظل الخوارزمية البديلة، التي تخطِّط لاستكشافها ويمكن تفسيرها بوصفها نظيراً لأخذ العينات الموجَّه بالمعلومات في حال التغذية الراجعة الحتمية، كفوءةً أيضاً، مع تطبيق على التعلم النقلي حيث تتغير مجموعة الأفعال غير الصالحة بمرور الوقت.

اقرأ المصدر الأصلي ↗

جميع العناصر →