利用离散接口增强强化学习以学习 Dyck 语言
机器学习
2021-10-28 v1 人工智能
摘要
尽管现实世界中的大多数接口是离散的，但目前尚不存在训练神经网络利用它们的有效方法。我们为交互网络（一种强化学习架构）增强离散接口，并在广义 Dyck 语言上对其进行训练。该任务需要理解层次结构才能解决，且长期以来被证明对神经网络而言十分困难。我们提供了首个基于学习使用离散数据结构的解决方案。我们在训练期间遇到了意外的异常行为，并利用基于执行轨迹的预训练加以克服。所得模型非常小且快速，并能泛化到比训练数据长整整一个数量级的序列。
引用
@article{arxiv.2110.14350,
title = {Enhancing Reinforcement Learning with discrete interfaces to learn the Dyck Language},
author = {Florian Dietz and Dietrich Klakow},
journal= {arXiv preprint arXiv:2110.14350},
year = {2021}
}