“逐代传承”助力提升强化学习效果;LLM 重塑 Multi-agent 建模与仿真
以下是【算 AI】小编近期发现的几篇不错的论文,在这里分享一下吧。
“逐代传承”助力提升强化学习效果
人类能够对知识和技能进行一代代的传承和创新,然而在强化学习等人工学习系统中,学习的周期一般只有一代。英国牛津大学和谷歌 DeepMind 公司的研究人员近期发表了一篇论文,论文尝试了将人类一代代学习、探索的机制融入到强化学习中,并通过多项实验,发现使用多代学习和探索的强化学习,在学习的效果上要优于仅经过一代的强化学习。
论文链接:
Artificial Generational Intelligence: Cultural Accumulation in Reinforcement Learning. https://arxiv.org/abs/2406.00392
LLM 重塑 Multi-agent 建模与仿真
经典的 Multi-agent 建模和仿真一般通过相对简单的规则,来模拟多个个体的行为和互动。随着具有人类知识的 LLM 的出现,基于 LLM 的对于人类社会的各种模拟,例如“斯坦福小镇”(又称“斯坦福 AI 小镇”、“斯坦福虚拟小镇”),以及后续的有关研究已经为数不少。
以下几篇综述性论文,从多方面总结了近期 LLM 在 Multi-agent 建模与仿真中的应用,可以有助于感兴趣的同学快速掌握这一领域的近期进展。这几篇论文的作者分别来自中国人民大学、清华大学和复旦大学。
论文链接:
A Survey on Large Language Model based Autonomous Agents. https://arxiv.org/abs/2308.11432
Large Language Models Empowered Agent-based Modeling and Simulation: A Survey and Perspectives. https://arxiv.org/abs/2312.11970
The Rise and Potential of Large Language Model Based Agents: A Survey. https://arxiv.org/abs/2309.07864
题图:Emily、Pexels
版权声明: 本文为 InfoQ 作者【算AI】的原创文章。
原文链接:【http://xie.infoq.cn/article/c88cb3c599d2ff2564e0cd4ca】。文章转载请联系作者。
评论