实体
QMDP
QMDP
PulseAugur coverage of QMDP — every cluster mentioning QMDP across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新算法连接POMDP理论与深度强化学习实践
研究人员开发了一种新颖的端到端算法，用于部分可观测环境中的基于模型的强化学习。该算法通过整合用于状态滤波的序贯蒙特卡洛方法、用于动力学模型在线更新以及使用Q值函数进行近似在线规划的方法，解决了推断隐藏状态、学习潜在动力学和在不确定性下进行规划的挑战。理论分析提供了遗憾界限，将误差分解为与模型估计、粒子滤波、蒙特卡洛回滚和QMDP近似相关的部分，深入揭示了统计样本量、粒子预算、回滚预算和规划深度如何影响性能。该框架已在基于模型预测控制的…
-
新的信念状态引擎增强了 LLM 在不确定环境下的规划能力
研究人员推出了一种名为信念状态引擎（Belief-State Engine, BSE）的架构修改，旨在增强大型语言模型（LLMs）在部分可观察环境中的规划能力。BSE 作为外部推理模块，维护部分可观察马尔可夫决策过程（POMDP）的潜在状态的贝叶斯后验，并将此后验信息而非原始的动作-观察历史馈送给 LLM。此方法旨在为 LLM 提供原则性的不确定性规划能力，继承经典 POMDP 理论的理论最优保证。在 Tiger POMDP 和攻击图…