Atari-5：将街机学习环境精简为五款游戏
人工智能
2022-10-06 v1 机器学习
摘要
街机学习环境（ALE）已成为评估强化学习算法性能的重要基准。然而，在完整的57款游戏数据集上生成结果的计算成本限制了ALE的使用，并使许多结果难以复现。我们针对这一问题提出了一种新颖的解决方案，即一种在基准套件中选择小而具代表性的环境子集的原则性方法。我们应用该方法确定了ALE的五款游戏子集，称为Atari-5，其产生的57款游戏中位数分数估计值与实际值的误差在10%以内。将子集扩展到10款游戏可恢复57款游戏集中所有游戏对数分数的80%方差。我们表明，这种压缩程度之所以可能，是因为ALE中许多游戏之间存在高度相关性。
引用
@article{arxiv.2210.02019,
title = {Atari-5: Distilling the Arcade Learning Environment down to Five Games},
author = {Matthew Aitchison and Penny Sweetser and Marcus Hutter},
journal= {arXiv preprint arXiv:2210.02019},
year = {2022}
}