Craftax
PulseAugur coverage of Craftax — every cluster mentioning Craftax across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的误差扩散方法实现了生物学上可行的AI学习
研究人员开发了一种名为模数误差路由的新方法，用于将误差扩散（ED）扩展到符合Dale原则的生物学上可行的双流神经网络中。该方法能够有效地处理监督分类和强化学习任务中的信用分配问题。在MNIST数据集上，该方法实现了96.7%的准确率；在CIFAR-10分类任务上，基线准确率为61.7%；同时，与近端策略优化（PPO）结合时，在强化学习任务中也表现出有竞争力的性能。研究通过对不同数据集进行消融分析，揭示了信用分配中与任务相关的瓶颈。
-
新方法在强化学习中发现分层技能
研究人员开发了一种在强化学习中进行无监督技能发现和分层结构学习的新方法。该方法使用基于语法的技术，将未标记的轨迹分割成技能，并将它们组织成一个层次结构。该方法已在 Craftax 和 Minecraft 等复杂环境中进行了评估，证明其能够创建比现有方法更有意义的层次结构，并加速下游学习任务。
-
AI agents learn to preemptively solve future problems using multitask preplay
研究人员引入了一种名为多任务预演（Multitask Preplay）的新算法，该算法模拟了人类如何利用一项任务的经验来预先学习其他相关任务的解决方案。该方法涉及模拟可访问但未执行的任务，以建立有助于未来表现的预测性表征。在网格世界和类似《我的世界》的环境中进行的实验表明，多任务预演能更好地预测人类的泛化能力，并显著提高人工智能代理在复杂、多任务环境中的迁移学习能力。
-
PACE 方法通过评估参数变更来提高强化学习的泛化能力
研究人员推出了一种新颖的无监督环境设计（UED）方法 PACE，旨在增强强化学习的泛化能力。PACE 通过评估训练过程中诱导的策略参数变更来直接衡量环境的价值，比现有的代理信号更能准确地反映学习进展。该方法利用策略优化目标的泰勒一阶近似，根据参数更新的平方 L2 范数来评估环境，从而无需额外的计算步骤即可进行高效且低方差的评估。在 MiniGrid 和 Craftax 上的实验表明，PACE 的性能优于当前的 UED 基线，在分布外评…