Quando a Recompensa Ensina Estado? Um Instrumento de Autômato Oculto e a Fronteira Grupo-Linguagem
arXiv:2607.11953v1 Tipo de Anúncio: novo Resumo: Será que um agente de aprendizado por reforço que obtém alta recompensa representa o estado latente de sua tarefa, ou apenas um atalho correlacionado à recompensa? A questão costuma ser impossível de responder: o "estado verdadeiro" é indefinido. Nós a tornamos exatamente respondível com um instrumento de caixa-branca: expressamos a tarefa como um autômato finito determinístico (DFA) oculto, deixamos o agente observar um fluxo de símbolos e escolher intermitentemente o próximo símbolo sob controle parcial, e concedemos um único t... esparso
arXiv cs.LG
·Jim Allchin
·
// relacionados
Leia também
Blog
Orquestração agêntica: as organizações de IA corporativa têm um problema de implantação, não um problema de plataforma — e a maioria está chamando chatbots de agentes
Blog
Soofi Consortium lança o Soofi S 30B-A3B: um modelo de fundação MoE híbrido Mamba-Transformer aberto para alemão e inglês
Modelo
thinkingmachines/Inkling
Blog