Sokoban
PulseAugur coverage of Sokoban — every cluster mentioning Sokoban across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新的PTGPO方法增强了语言代理在复杂任务上的训练
研究人员推出了一种名为前缀树分组策略优化（PTGPO）的新颖方法，旨在改进语言代理在复杂、长时序交互任务上的训练。这种无需判别器的方法通过在锚点状态组内从轨迹后缀构建前缀树，并根据父节点和子节点之间经验平均回报差来分配信用。这提供了细粒度的学习信号，而无需判别器或额外的采样。在ALFWorld、WebShop和Sokoban等基准测试上的实验表明，PTGPO在性能上优于标准的强化学习基线。
-
新的“Follow the Winners”算法增强了LLM的强化学习
研究人员推出了一种名为“Follow the Winners”（FTW）的新型无批评者强化微调算法，专为代理式大型语言模型（LLM）设计。与依赖于有状态环境中不切实际的重复回滚的现有GRPO风格方法不同，FTW使用回放缓冲区样本上的序数滤波器来适应交叉熵方法。这种方法允许回报的顺序统计量具有多项式集中性，使其适用于无法进行重复回滚的场景。在代理式LLM的后训练中，FTW在Sokoban和Search-R1基线上表现出与GRPO和PPO…
-
新规划器应对复杂的多智能体 Sokoban 挑战
研究人员开发了一种名为 Sokoban-LaCAM 的新规划器，能够高效地解决多智能体 Sokoban 游戏实例，该游戏涉及智能体推动箱子到目标位置。该方法利用了多智能体路径查找 (MAPF) 的最新进展，以处理多智能体带来的复杂性，例如增加的分支因子以及集成任务分配和无碰撞路径查找的需求。Sokoban-LaCAM 规划器通过成功管理数十个智能体和箱子，同时保持完整性和最终最优性，展示了其可扩展性，这表明 MAPF 可用于更广泛的集…
-
递归式AI模型使用更少的层数可获得更好的性能
一篇新的研究论文探讨了在AI模型中为流式任务优化计算资源的最佳分配方式。该研究改变了步内深度、专家宽度和并行专家数量，发现时间递归可以使模型以显著更少的层数获得相当或更好的性能。这表明递归可以有效地将计算重点从深度转移到顺序处理，尤其是在语言建模和Sokoban等任务中。
-
新的L-ICL技术提高了LLM规划的准确性
研究人员开发了一种名为本地化上下文学习（L-ICL）的新技术，以提高大型语言模型（LLM）的规划能力。该方法涉及迭代地用针对特定失败步骤的定向纠正来增强指令，而不是提供完整的解决问题轨迹。L-ICL已显示出显著的有效性，例如，在仅有60个训练示例的8x8网格世界任务上取得了89%的成功率，相比现有基线有了实质性提高。
-
新AI方法发现可重用代码基元用于游戏内容生成
研究人员开发了一种名为持续抽象发现（CAD）的新方法，以改进视频游戏程序化内容的生成。该技术利用大型语言模型来演化充当内容生成器的Python程序，搜索最优解决方案而非单个游戏关卡。通过将成功程序中可重用的基元提取到辅助模块中，CAD已在Sokoban和Zelda等各种游戏中展示出生成内容质量的提升。
-
扩散模型无需显式训练即可预测 Sokoban 谜题的可解性
研究人员开发了一种基于 Transformer 的扩散模型，该模型能够以 77.4% 的准确率预测 Sokoban 谜题的可解性，尽管它仅在瓷砖完成上进行训练，而没有显式的可解性标签或求解器。该模型改编自 MD4，并在 DeepMind 的 Boxoban 数据集上进行训练，证明了诸如谜题可解性之类的全局属性可以从局部训练目标中涌现出来。该模型能够按任何顺序揭示单元格，并以已放置的元素为条件，这使其比传统的自回归模型更适合解决问题的非局部约束。
-
经典的1980年代益智游戏Sokoban获得AI升级
Sokoban，一款经典的1980年代益智游戏，现已通过AI组件重新构想，该组件可协助玩家移动箱子。这款游戏以其像素化图形为特色，为益智爱好者提供了具有挑战性但引人入胜的体验。
-
Sokoban AI 求解器使用 A* 搜索实现最优谜题解决方案
一位开发者为经典的 Sokoban 益智游戏创建了一个 AI 求解器，该游戏涉及将箱子推到指定目标位置。该求解器使用 JavaScript 和 C++ 实现，利用 A* 搜索算法，并结合了诸如 move-optimal macro-pushes 和 compact bitmask states 等优化技术，以高效地找到可证明的最优解决方案。虽然大多数棋盘能在浏览器中以毫秒级速度解决，但最复杂的棋盘由于其庞大的状态空间需要预先计算。
-
答案集规划通过新的语义和LLM驱动的优化得到增强 · 跟踪2个来源
两篇新的研究论文探讨了答案集规划（ASP）的进展。第一篇论文介绍了一个统一的逻辑框架，即界限语义（Bound-Founded Semantics），用于表征具有线性约束的ASP扩展的各种语义，特别关注clingo[DL]。第二篇论文改编了StreamLLM方法，使用大型语言模型生成“streamliners”来优化ASP编码，通过修剪解空间，在基准问题上实现了显著的加速。
-
新的HDR框架提升视频模型的多步推理能力
研究人员推出了一种名为HDR（用于视觉推理的分层去噪）的新型框架，旨在增强视频基础模型的多步推理能力。HDR采用分层潜在结构，实现从粗到精的推理，与现有方法相比，提高了逻辑一致性并降低了推理成本。该框架在一个新基准上展示了成功率和推理轨迹一致性的显著提升，同时实现了显著更快的推理速度和更高的数据效率。
-
新的“蛋糕”表示法和PRP方法生成多样化的游戏关卡
研究人员引入了一种新的领域无关的“蛋糕”表示法，用于表示随时间变化的游戏关卡，旨在隐式编码动态信息。该表示法与一种名为游戏轨迹重建划分（Playtrace Reconstructive Partitioning, PRP）的新颖关卡生成方法结合使用。在Sokoban游戏领域，PRP与六种最先进的程序化内容生成（PCG）方法进行了比较，并证明了其在不影响解法多样性的情况下生成有效关卡的能力。
-
Sokoban 游戏 AI 模型使用“路径通道”进行规划
研究人员部分逆向工程了用于 Sokoban 游戏的卷积循环神经网络 (RNN)。他们发现该网络将其未来移动或规划存储在其隐藏状态内的特定“路径通道”的激活中。这些通道受到编码学习到的转换模型的卷积核的影响，使 RNN 能够通过将激活从箱子传播到目标来构建规划，并使用负值在障碍物处修剪路径，从而有效地实现一种回溯形式。
-
新的WA*框架在AI规划中实现了零样本泛化
研究人员开发了一个名为WA*的新型自改进规划框架，该框架将由关系图神经网络表示的价值启发式与Q学习相结合。这种方法指导搜索并利用结果数据来更新启发式，使其能够充当通用策略。该框架展示了强大的零样本泛化能力，无需搜索即可解决新的问题实例，这在稀疏奖励域中是传统深度强化学习方法的一项重大进步。该系统已在Sokoban、PushWorld、The Witness和2023年国际规划竞赛等基准测试中取得成功。
-
生成模型通过自我改进实现高质量计划生成
研究人员开发了一种用于生成模型的自我改进技术，以更有效地生成高质量计划。该方法通过模型调用和图搜索的组合生成改进的计划，然后对初始模型进行微调。在四个领域的实验表明，与传统的符号规划器相比，计划长度平均减少了 30%，并且超过 80% 的生成计划是最优的。