AI और दुनिया की कठिन समस्याएँ · सैद्धांतिक कंप्यूटर विज्ञान · arXiv · 2026-10-21

मल्टी-एजेंट रीइन्फ़ोर्समेंट लर्निंग में नॉन-स्टेशनरिटी परम्यूटेशन सरोगेट्स को तोड़ देती है: निदान और उपाय

मूल शीर्षक: Non-Stationarity Breaks Permutation Surrogates in Multi-Agent Reinforcement Learning: Diagnosis and Remedies

दो मल्टी-एजेंट रीइन्फ़ोर्समेंट लर्निंग गेम्स — एक सोशल डिलेमा और एक कोऑर्डिनेशन रेस, जहाँ चयनित एजेंट जोड़ियों के बीच निर्देशित प्रभाव बनावट से ही शून्य है — में लेखक 100 सीड्स पर इन्फ़ॉर्मेशन-थ्योरेटिक मापों के लिए रिपोर्टिंग गार्डरेल का ग्राउंड ट्रुथ के विरुद्ध परीक्षण करते हैं। नॉन-स्टेशनरी प्रशिक्षण ट्रांज़िएंट को बाहर करना छोड़ देने पर 100.00% और 99.95% की फ़ॉल्स-पॉज़िटिव दरें प्राप्त होती हैं, और केवल ट्रांज़िएंट को बाहर करने पर भी कोऑर्डिनेशन गेम में 11.8% शेष रह जाता है। इसके बजाय वे प्रशिक्षण समय के ब्लॉकों के भीतर स्रोत को परम्यूट करने की सिफ़ारिश करते हैं, जो 5.25% और 5.50% तक पहुँचता है और परीक्षित नल्स में एकमात्र ऐसा है जो दोनों गेम्स में परीक्षण के आकार पर या उससे कम है, और कोड तथा डेटा जारी कर दिए गए हैं।

मूल लेख पढ़ें ↗

सभी आइटम →