Hierarchical reinforcement learning and decision making
PulseAugur coverage of Hierarchical reinforcement learning and decision making — every cluster mentioning Hierarchical reinforcement learning and decision making across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的分层强化学习方法增强了大型语言模型红队测试能力
研究人员开发了一种新的方法，将大型语言模型（LLM）的红队测试视为一个分层强化学习问题。该方法能够模拟复杂的、多轮次的对抗性攻击，旨在最大化累积损害。该系统使用令牌级别的损害奖励来学习各种攻击策略，成功识别出传统方法所忽略的漏洞，并在LLM安全测试方面树立了新的行业标杆。
-
新的C2C框架使用AI更准确地定位软件错误
研究人员开发了一个名为C2C（从代码库到罪魁祸首）的新框架，旨在提高软件开发中错误定位的准确性和效率。C2C采用了一个结合语义检索和分层强化学习（HRL）的两阶段过程。最初，它利用CodeBERT进行嵌入，通过语义向量相似性搜索检索潜在有错误的 कोड 段。随后，一个HRL代理逐步将搜索范围从文件缩小到函数，最后缩小到具体的代码行，模仿开发者的自上而下的调试方法。在Java和Python代码库上的实验表明，与以前的方法相比，C2C提高…
-
新的HRL框架将患者偏好纳入慢性病治疗规划
研究人员开发了一个新的层级强化学习框架，名为以患者为中心的因子动作层级选项-批评器（FAHOC）。该框架旨在通过将患者偏好直接纳入决策过程，来改进多慢性病患者的治疗规划。使用约50,000名患者的数据进行的评估表明，FAHOC可以显著提高质量调整生命年，并准确识别患者偏好。
-
新的分层强化学习框架增强了对话代理
研究人员开发了一种名为ToSCA的新型两级分层强化学习（RL）框架，用于对话代理。该方法通过结合时间和策略抽象，弥合了现有token级或utterance级RL方法之间的差距。该框架使用深度Q网络（DQN）作为高级critic，并使用近端策略优化（PPO）作为低级actor-critic，通过双粒度奖励机制解决奖励稀疏性问题。实验表明，与现有基线相比，ToSCA在日常对话和情感支持对话中都提高了策略确定性和响应质量。
-
新的HRL模型使用基于流的生成模型增强训练
研究人员开发了一种新颖的分层强化学习（HRL）模型，该模型利用基于流的深度生成模型（FDGM）来提高训练效率。这种新方法通过利用FDGM的逆运算，实现了直接的离策略校正，使更高级别的策略能够更准确地捕捉更低级别策略的能力。在基准环境上的实验表明，该方法在具有高维状态和动作空间以及稀疏奖励的复杂场景中优于现有模型。
-
多领域强化学习新研究 · 追踪10个来源
arXiv上发表的多篇研究论文探讨了强化学习（RL）的进展及其应用。一项研究侧重于通过决策树剪枝提高RL策略的可解释性，并在控制基准测试中显示出有效性。另一篇论文介绍了一种博弈论逆强化学习方法，用于预测人类驾驶行为，其准确性优于现有方法。此外，研究还探讨了可解释人工智能（XAI）在人机协作中的支持作用、RL组件在样本高效控制中的协同作用，以及多目标RL的网络现代化。其他论文深入研究了轨迹相对滞后蒸馏、信用节约动作到令牌分配，以及在模拟…
-
新方法增强了分层强化学习任务的安全性
研究人员开发了一种新颖的方法来增强分层强化学习的安全性，特别是在复杂、长时限的任务中。该方法利用学习到的世界模型，结合用于生成子目标的高层策略和采用想象性回滚来防止不安全行为的低层策略。与具有挑战性的导航和操作任务上现有的安全强化学习基线相比，该技术显著提高了成功率并确保了一致的约束满足。
-
新算法CARL增强分层强化学习中的技能可复用性
研究人员开发了一种名为CARL（对比动作表示用于可复用局部控制）的新算法，以提高分层强化学习（HRL）中技能的可复用性。CARL利用局部动力学的规律性，表明在不同的全局环境中，相似的动作序列对于状态转移是必需的。通过将这些环境与其所需的动作序列对齐，该算法学习在哪里以及复用哪些技能，可能使各种HRL算法受益。该方法在复杂环境中展示了定性的技能聚类，并在与HIQL集成后，在OGBench基准测试中提高了性能。
-
量子电路增强分层强化学习智能体，节省参数
研究人员开发了一种混合分层强化学习智能体，将变分量子电路集成到其架构中。该方法使用量子电路替代经典组件，用于特征提取和策略估计等任务。评估表明，量子特征提取器可以提高性能，同时显著减少可训练参数的数量，尽管量子选项值估计存在架构挑战。