学习翻译：用于协作语言习得的涌现通信预训练
机器学习
2024-02-27 v1 计算与语言
多智能体系统
摘要
在涌现通信（EC）中，智能体学习彼此通信，但它们开发的协议专用于其训练社区。这一观察结果引发了关于零样本协调（ZSC）的研究，旨在学习对训练期间未遇到的智能体具有鲁棒性的通信策略。然而，ZSC 通常假设在零样本设置中没有关于将遇到的智能体的先验数据可用。在许多情况下，这提出了一个不必要的难题，并排除了通过既定惯例进行通信的可能性。我们提出了一项名为协作语言习得问题（CLAP）的新的人工智能挑战，其中通过允许“加入者”智能体从目标社区中智能体交互的数据集中学习，放宽了 ZSC 假设。我们提出并比较了两种解决 CLAP 的方法：模仿学习（IL），以及涌现通信预训练与翻译学习（ECTL），其中智能体首先在自博弈中通过 EC 进行训练，然后从数据中学习如何在涌现协议与目标社区协议之间进行翻译。
引用
@article{arxiv.2402.16247,
title = {Learning Translations: Emergent Communication Pretraining for Cooperative Language Acquisition},
author = {Dylan Cope and Peter McBurney},
journal= {arXiv preprint arXiv:2402.16247},
year = {2024}
}