研究人员引入了风险感知通用效用马尔可夫决策过程（GUMDPs），以允许智能体优化目标值的风险度量，从而在预期性能和风险规避之间进行权衡。所提出的框架侧重于熵风险度量（ERM），并展示了如何使用在线规划技术（特别是蒙特卡洛树搜索（MCTS））来解决这些风险感知GUMDPs。实验结果表明，该方法在各种任务中都有效，包括标准的MDP、探索、模仿学习和多目标MDP。 AI
影响 为人工智能智能体的风险感知决策引入了一个正式框架，有可能提高在复杂环境中的鲁棒性。
排序理由 该集群包含一篇学术论文，详细介绍了马尔可夫决策过程的新理论框架和方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.09298v1 Announce Type: cross Abstract: We study general-utility Markov decision processes (GUMDPs) with risk-aware objectives. In this framework, an agent aims to optimize a risk measure of the distribution of objective values, where the objective function depends on t…
We study general-utility Markov decision processes (GUMDPs) with risk-aware objectives. In this framework, an agent aims to optimize a risk measure of the distribution of objective values, where the objective function depends on the frequency of visitation of states induced by th…