United Dominions Trust
PulseAugur coverage of United Dominions Trust — every cluster mentioning United Dominions Trust across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的博弈论调整使AI智能体能够实现相关随机化
一种名为“缓存相关随机化”的新方法被提出，用于解决涉及具有共享信息的多个智能体的特定博弈论问题。该方法建议智能体可以预先生成随机数来协调它们的行动，克服了现有决策理论（如UDT）的局限性。提出的调整旨在使智能体在独立随机化失败的对抗博弈中达到纳什均衡。
-
新的UDT架构融合了U-Net与Diffusion Transformer
研究人员推出UDT，一种融合了U-Net和Diffusion Transformer（DiTs）优势的新型生成模型架构。UDT采用数据自适应Token合并技术，在保持Transformer的Token维度的同时，调和了U-Net的编码器-解码器结构与DiTs的表示能力。该方法在图像生成任务上实现了更快的收敛速度和更优的性能，优于现有的U-Net DiTs，并取得了与其他先进方法相当的结果。
-
决策理论在纠缠维度上的映射
本文深入探讨了决策理论的复杂图景，提出了一个框架，该框架至少可以区分三个核心问题：在考虑一项行动时应做出哪些假设，一旦结果已知如何评估一项赌博，以及在接收信息之前和之后做出的选择应如何关联。作者将各种现有和理论上的决策理论映射到这个网格上，认为这些轴并非完全独立，研究它们的结构可能有助于全面理解所有连贯的决策理论。这是一篇技术性文章，旨在用于自学和研究，并附有大量的脚注和附录以供进一步参考。
-
提出务实的FDT以解决决策理论的学术争论
作者提出了一种“务实”的功能决策理论（FDT）版本，以解决学术界发现的理论陷阱。这种务实的FDT侧重于基于可证明的同构性来识别等效算法，而不是抽象定义，从而绕开了复杂的逻辑反事实。该方法包括一个四步决策过程：基线计算、寻找可能的同构性、评估候选者以及采用最合适的。作者还认为，当预测者做出反事实预测时，决策理论就转变为博弈论，从而解释了某些场景下看似非理性的选择。