研究人员开发了一种名为分位数传播规划(QPP)的新方法,以在计算预算有限的规划场景中更好地评估尾部风险。与可能对罕见事件效率低下或忽略它们的基于均值的规划的蒙特卡洛方法不同,QPP将特定的扰动分位数传播到系统的动态中。这种方法可以更准确地评估均值和尾部风险,并在某些条件下提供单侧保守性保证。在过载和库存任务上的实验表明,QPP有效地降低了尾部成本和约束违反,即使与计算需求高得多的方法相比也具有竞争力。 AI
影响 这种新的规划方法可以提高在不确定或高风险条件下运行的AI系统的可靠性。
排序理由 该条目是发表在arXiv上的学术论文,详细介绍了一种新的风险评估方法。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- CORE Recommender
- cs.LG
- DagsHub
- DPP7
- Gotit.pub
- Hugging Face
- IArxiv Recommender
- Litmaps
- Monte Carlo
- Quantile Propagation Planning
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →