AI اور دنیا کے مشکل مسائل · نظریاتی کمپیوٹر سائنس · arXiv · 2026-10-21

نان اسٹیشنیریٹی ملٹی ایجنٹ ری انفورسمنٹ لرننگ میں پرمیوٹیشن سرگیٹس کو توڑ دیتی ہے: تشخیص اور تدارک

اصل عنوان: Non-Stationarity Breaks Permutation Surrogates in Multi-Agent Reinforcement Learning: Diagnosis and Remedies

دو ملٹی ایجنٹ ری انفورسمنٹ لرننگ گیمز، یعنی ایک سوشل ڈائیلیما اور ایک ایسی کوآرڈینیشن ریس جس میں منتخب ایجنٹ جوڑوں کے درمیان ہدایت شدہ اثر تعمیر کے لحاظ سے صفر ہے، میں مصنفین انفارمیشن تھیوریٹک پیمانوں کے لیے ایک رپورٹنگ گارڈریل کو 100 سیڈز پر گراؤنڈ ٹرتھ کے مقابلے میں آزماتے ہیں۔ نان اسٹیشنری ٹریننگ ٹرانزئنٹ کو خارج نہ کرنا 100.00% اور 99.95% کی فالس پوزیٹو شرحیں دیتا ہے، اور صرف ٹرانزئنٹ کو خارج کرنا بھی کوآرڈینیشن گیم میں 11.8% چھوڑ دیتا ہے۔ اس کے بجائے وہ ٹریننگ ٹائم کے بلاکس کے اندر سورس کو پرمیوٹ کرنے کی سفارش کرتے ہیں، جو 5.25% اور 5.50% تک پہنچتا ہے اور آزمائے گئے نلز میں یہ واحد ہے جو دونوں گیمز میں ٹیسٹ کے سائز پر یا اس سے کم ہے، اور کوڈ اور ڈیٹا جاری کیے گئے ہیں۔

اصل تحریر پڑھیں ↗

تمام آئٹمز →