AI और दुनिया की कठिन समस्याएँ · सैद्धांतिक कंप्यूटर विज्ञान · arXiv · 2026-10-22

न्यूनतम साक्षी सुदृढ़ीकरण अधिगम

मूल शीर्षक: Minimal Witness Reinforcement Learning

यह शोध-पत्र इस बार-बार उठने वाले प्रश्न से निपटता है कि कोई परिणाम उत्पन्न करने के लिए कौन-सी अपचयनीय शर्तें पर्याप्त होती हैं, तथा कई न्यूनतम पर्याप्त शर्तों ('विटनेस') की खोज को—जिसका उत्तर मानक RL प्रायः एकमात्र या अतिरेक समाधान देकर करता है—न्यूनतम-विटनेस पहचान के रूप में औपचारिक रूप देता है। Minimal-Witness Reinforcement Learning (MWRL) सफल पॉलिसी-प्रस्तावों द्वारा प्रमाणित समुच्चयों का मिलन लेता है और प्रत्येक प्रस्ताव को उस कवरेज के लिए श्रेय देता है जो उस मिलन को उसके अभाव में खोना पड़ता; जिससे न्यूनतमता और विकल्पों की पुनर्प्राप्ति एक ही ब्लैक-बॉक्स वेरिफ़ायर बिट से एकीकृत हो जाती है। इसी सिद्धांत के अंतर्गत लेखक एक वैल्यू इटरेशन प्लानर प्राप्त करते हैं जो पूरे विटनेस-परिवार पुनः प्राप्त करता है, और एक पॉलिसी ग्रेडिएंट विधि विकसित करते हैं जो बड़े भाषा मॉडलों तक स्केल होती है; MWRL अधिकांश न्यूनतम विटनेस पुनः प्राप्त करता है, जबकि अन्य विधियाँ अतिरेक सुपरसेट या एकमात्र विटनेस लौटाती हैं।

मूल लेख पढ़ें ↗

सभी आइटम →