从模型学习到无模型行为：基于Meta-Interpretive Learning
人工智能
2025-07-23 v1 机器学习
摘要
“模型”是描述环境状态及智能体决策效应的理论。基于模型的智能体可利用其模型预测未来动作效果，从而进行规划，但必须知道环境状态。无模型智能体无需规划，却能在不完全观测环境时行动。一个能够在新环境中独立工作的智能体必须结合这两套能力。我们展示如何使用Meta-Interpretive Learning学习一个基于模型的Solver，用于训练一个无模型的Controller，以解决与Solver相同的问题。我们在两种环境类型的网格导航问题中演示了两者在问题解决能力上的等价性：随机生成的迷宫和湖泊地图（湖泊地图包含开阔区域）。我们发现，由Solver解决的所有导航问题也都被Controller解决，表明两者等价。
引用
@article{arxiv.2507.16434,
title = {From model-based learning to model-free behaviour with Meta-Interpretive Learning},
author = {Stassa Patsantzis},
journal= {arXiv preprint arXiv:2507.16434},
year = {2025}
}