AI dan Masalah-Masalah Sulit Dunia · Ilmu komputer teoretis · arXiv · 2026-10-22
Pembelajaran Penguatan Saksi Minimal
Judul asli: Minimal Witness Reinforcement Learning
Makalah ini membahas pertanyaan yang berulang tentang kondisi tak-tereduksi apa yang cukup untuk menghasilkan suatu luaran, memformalkan pencarian terhadap beberapa kondisi minimal yang cukup ('saksi')—yang oleh RL standar cenderung dijawab dengan satu solusi atau solusi redundan—sebagai identifikasi saksi minimal. Minimal-Witness Reinforcement Learning (MWRL) mengambil gabungan dari himpunan-himpunan yang disertifikasi oleh usulan kebijakan yang berhasil dan memberikan kredit kepada setiap usulan atas cakupan yang akan hilang dari gabungan tersebut tanpanya, sehingga menyatukan minimalitas dan pemulihan alternatif dari satu bit verifikator kotak-hitam. Berdasarkan prinsip ini para penulis menurunkan perencana iterasi-nilai yang memulihkan seluruh keluarga saksi dan metode gradien-kebijakan yang dapat diskalakan hingga model bahasa besar, dengan MWRL memulihkan sebagian besar saksi minimal, di mana metode lain mengembalikan superset redundan atau satu saksi tunggal.