用于寻找最具区分性问题的 AI 基准测试的连续信息增益度量
人工智能
2020-05-19 v3
摘要
本文介绍了一种信息论方法,用于选择一组能给出关于某类问题求解算法最多信息的问题子集。该方法在 General Video Game AI (GVGAI) 框架中的游戏上进行了测试,使我们能够识别出更小的游戏集合,仍能提供关于不同博弈智能体能力的海量信息。该方法可用于提高智能体测试的效率。我们仅用少数游戏测试就能达到与使用一百多个游戏测试几乎相同的区分精度,而后者常在计算上不可行。此外,该方法可扩展用于研究这些游戏间游戏设计有效方差的维度,从而识别哪些游戏以最具互补性的方式区分智能体。
引用
@article{arxiv.1809.02904,
title = {A Continuous Information Gain Measure to Find the Most Discriminatory Problems for AI Benchmarking},
author = {Matthew Stephenson and Damien Anderson and Ahmed Khalifa and John Levine and Jochen Renz and Julian Togelius and Christoph Salge},
journal= {arXiv preprint arXiv:1809.02904},
year = {2020}
}
备注
8 pages, 1 figure, 2 tables