AI na Matatizo Magumu ya Ulimwengu · Sayansi ya kompyuta ya kinadharia · arXiv · 2026-10-22
Ujifunzaji Waimarisho wa Shahidi Mchache
Kichwa asilia: Minimal Witness Reinforcement Learning
Makala inashughulikia swali linalojirudia la ni masharti yasiyoweza kupunguzwa yapi yanayotosha kuzalisha matokeo, na kuweka katika mfumo rasmi utafutaji wa masharti mengi madogo yanayotosha ('mashuhuda')—ambalo RL ya kawaida huwa halijibu kwa suluhisho moja au linalojirudia—kama utambuzi wa shahida mdogo. Minimal-Witness Reinforcement Learning (MWRL) huchukua muungano wa seti zilizothibitishwa na mapendekezo ya sera yaliyofanikiwa na humkirimu kila pendekezo kwa ufunikaji ambao muungano ungeupoteza bila huo pendekezo, huku ikiiunganisha sifa ya kuwa ndogo na urejeshaji wa njia mbadala kutoka kwa biti moja ya kithibitishaji cha sanduku-jeusi. Chini ya kanuni hii, waandishi hutoa mpangaji wa value iteration unaozarejesha familia kamili za mashuhuda na njia ya policy gradient inayopanuka hadi modeli kubwa za lugha, huku MWRL ikirejesha wengi kati ya mashuhuda madogo ambapo njia nyingine hurudisha supaseti zenye urudiaji au shahida mmoja.