L'IA face aux grands problèmes du monde · Informatique théorique · arXiv · 2026-10-22
Apprentissage par renforcement à témoin minimal
Titre original: Minimal Witness Reinforcement Learning
L'article aborde la question récurrente de savoir quelles conditions irréductibles suffisent à produire un résultat, en formalisant la recherche de multiples conditions suffisantes minimales (« témoins »)—à laquelle l'apprentissage par renforcement standard tend à répondre par une solution unique ou redondante—comme une identification de témoins minimaux. L'apprentissage par renforcement à témoins minimaux (MWRL) prend l'union des ensembles certifiés par des propositions de politiques réussies et crédite chaque proposition de la couverture que l'union perdrait sans elle, unifiant minimalité et récupération d'alternatives à partir d'un unique bit d'un vérificateur en boîte noire. Sur la base de ce principe, les auteurs dérivent un planificateur par itération de valeur qui récupère des familles entières de témoins et une méthode de gradient de politique qui passe à l'échelle des grands modèles de langage, MWRL récupérant la plupart des témoins minimaux là où d'autres méthodes renvoient des sur-ensembles redondants ou un témoin unique.