利用强化学习对假设进行经验性验证
人工智能
2020-06-30 v1 机器学习
机器学习
摘要
本文将假设验证形式化为一个强化学习（RL）问题。具体而言，我们旨在构建一个智能体，该智能体在给定关于世界动力学的假设后，能够采取行动生成观测，从而帮助预测该假设为真或假。现有的RL算法即便在简单环境中也未能解决此任务。为了训练智能体，我们利用许多假设的底层结构，将其分解为{前置条件、动作序列、后置条件}三元组。通过利用该结构，我们表明RL智能体能够成功完成该任务。此外，对策略的后续微调使智能体能够正确验证不适用于上述分解的假设。
引用
@article{arxiv.2006.15762,
title = {Empirically Verifying Hypotheses Using Reinforcement Learning},
author = {Kenneth Marino and Rob Fergus and Arthur Szlam and Abhinav Gupta},
journal= {arXiv preprint arXiv:2006.15762},
year = {2020}
}