PulseAugur
中
实时 10:17:51
English(EN) Active Exploration via Autoregressive Generation of Missing Data

新研究将在线决策不确定性视为自回归生成问题

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员提出了一种新颖的方法来解决在线决策中的不确定性量化和探索问题，将其视为一个可以通过自回归序列模型解决的问题。该方法将不确定性视为源于可能通过行动揭示的潜在未来结果，而不是源于不可观察的环境参数。该方法利用生成模型进行下一结果预测，并通过自回归生成来评估不确定性，这与机器学习的最新进展一致。 AI

影响 这项研究通过改进顺序任务中不确定性的处理方式，可能带来更有效的在线决策系统。

排序理由 该集群包含一篇提交到arXiv的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新研究将在线决策不确定性视为自回归生成问题

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Tiffany Tianhui Cai, Hongseok Namkoong, Daniel Russo, Kelly W Zhang ·

    Active Exploration via Autoregressive Generation of Missing Data

    arXiv:2405.19466v4 Announce Type: replace-cross Abstract: We pose uncertainty quantification and exploration in online decision-making as a problem of training and generation from an autoregressive sequence model, an area experiencing rapid innovation. Our approach rests on viewi…

相关实体

相关话题