基于嵌入算术的潜在规划：战略推理的对比方法
机器学习
2025-11-13 v1
摘要
在高维决策空间中进行规划正逐渐通过学习表示来进行研究。我们研究是否可以直接在评估对齐的嵌入空间中进行规划，而非训练策略或价值头。我们引入了SOLIS，通过监督对比学习来学习此类空间。在该表示中，结果相似性由距离捕获，单个全局优势向量沿着从劣势到优势的方向定向空间。然后，对候选动作进行排序以匹配此方向，将规划简化为潜在空间中的向量操作。我们在象棋中展示了这一方法，SOLIS仅使用由所学习嵌入引导的浅层搜索即可在受限条件下达到竞争水平。更广泛地说，我们的结果表明，评估对齐的潜在规划为传统动力学模型或策略学习提供了轻量级替代方案。
引用
@article{arxiv.2511.09477,
title = {Latent Planning via Embedding Arithmetic: A Contrastive Approach to Strategic Reasoning},
author = {Andrew Hamara and Greg Hamerly and Pablo Rivas and Andrew C. Freeman},
journal= {arXiv preprint arXiv:2511.09477},
year = {2025}
}