world-model learning

将主动推理构建为凸马尔可夫决策过程，与强化学习统一

一篇新论文将主动推理（AIF）构建为凸马尔可夫决策过程（MDP），提出了一种将其与现代强化学习（RL）技术统一的方法。该研究认为，在AIF中最小化预期自由能（EFE）可以被视为潜在MDP中的策略优化，其中认知价值充当了表现性奖励。这种视角可以推导出一种与Actor-Critic方法和动态规划兼容的镜像下降算法，可能提供原则性的策略改进保证。