AI এবং বিশ্বের কঠিন সমস্যাগুলো · তাত্ত্বিক কম্পিউটার বিজ্ঞান · arXiv · 2026-10-22

মিনিমাল উইটনেস রিইনফোর্সমেন্ট লার্নিং

মূল শিরোনাম: Minimal Witness Reinforcement Learning

গবেষণাপত্রটি এই বারবার-ফিরে-আসা প্রশ্নের মোকাবিলা করে যে কোন অপরিহার্য শর্তগুলো একটি ফলাফল উৎপাদনের জন্য যথেষ্ট, এবং একাধিক ন্যূনতম পর্যাপ্ত শর্তের ('witnesses') অনুসন্ধানকে—যার উত্তর প্রচলিত RL সাধারণত দেয় একক বা অপ্রয়োজনীয়-পুনরাবৃত্ত সমাধানে—minimal-witness identification হিসেবে আনুষ্ঠানিক রূপ দেয়। Minimal-Witness Reinforcement Learning (MWRL) সফল পলিসি-প্রস্তাব দ্বারা সত্যায়িত সেটগুলোর union গ্রহণ করে এবং প্রতিটি প্রস্তাবকে সেই কভারেজের কৃতিত্ব দেয় যা ওই union তা ছাড়া হারিয়ে ফেলত, ফলে একটি একক black-box verifier bit থেকে minimality ও বিকল্প-পুনরুদ্ধার একীভূত হয়। এই নীতির ভিত্তিতে লেখকরা এমন একটি value iteration planner প্রতিপাদন করেন যা সম্পূর্ণ witness পরিবার পুনরুদ্ধার করে এবং এমন একটি policy gradient পদ্ধতি যা বৃহৎ ভাষা মডেল পর্যন্ত বিস্তৃত হয়; অন্যান্য পদ্ধতি যেখানে redundant সুপারসেট বা একটি একক witness ফেরত দেয়, MWRL সেখানে অধিকাংশ ন্যূনতম witness পুনরুদ্ধার করে।

মূল লেখা পড়ুন ↗

সব আইটেম →