基于偏好与等价查询的自动机学习
机器学习
2025-07-31 v3
摘要
基于成员与等价查询的主动自动机学习是一个具有众多应用的基础性问题。我们提出主动自动机学习问题的一个新变体：使用偏好查询（即关于两个序列在全序中相对位置的查询）而非成员查询来主动学习有限自动机。我们的解决方案是REMAP，一种新颖算法，其利用符号观测表并结合合一与约束求解来探索符号假设空间（每个假设代表一组自动机），并使用可满足性求解从符号假设构造具体自动机。在精确等价查询下，REMAP保证以多项式查询复杂度正确推断最小自动机；使用基于采样的等价查询时，实现对最小自动机的PAC辨识（高概率下的 -近似）。我们在两个强化学习领域的奖励机学习任务上对REMAP开展实证评估，表明REMAP可扩展至大型自动机，并在精确与基于采样的等价查询下都能从一致教师处有效学习正确自动机。
引用
@article{arxiv.2308.09301,
title = {Automata Learning from Preference and Equivalence Queries},
author = {Eric Hsiung and Joydeep Biswas and Swarat Chaudhuri},
journal= {arXiv preprint arXiv:2308.09301},
year = {2025}
}
备注
To appear in the 37th International Conference on Computer-Aided Verification (CAV 2025). 19 pages, Appendix 33 pages, 16 figures