Gomoku

研究发现 AlphaZero 的学习行为得到部分内化

一项新的研究论文探讨了 AlphaZero 如何内化在自我对弈搜索中学到的行为。研究人员使用一种称为跨阶段先验干预（CPI）的方法，可以在评估期间区分网络学到的行为和搜索算法提供的行为。研究发现，虽然搜索指导显著提高了性能，但即使在移除指导后，网络仍保留了相当一部分这些学习到的行为，尽管这种内化的能力受限于几何形状，在新的情况下的效果较差。