用于可泛化智能体研究的沙盒环境（SEGAR）
机器学习
2024-09-30 v2
摘要
在交互式环境中进行序列决策任务的泛化研究，一个广泛的挑战在于设计能够清晰标志进展的基准。尽管已取得显著进展，当前的基准要么不能提供合适的暴露或潜在因素的可直观控制，要么不易实现、定制或扩展，要么计算成本高昂。我们构建沙盒环境用于可泛化智能体研究（SEGAR）时充分考虑了所有这些方面。SEGAR 提高了强化学习泛化研究的便利性与可问责性，因为泛化目标可以通过指定任务分布来轻松设计，这反过来使研究者能够衡量泛化目标的性质。我们概述了 SEGAR 及其如何贡献于这些目标，并展示了一些说明 SEGAR 可帮助回答的研究问题的实验。
引用
@article{arxiv.2203.10351,
title = {The Sandbox Environment for Generalizable Agent Research (SEGAR)},
author = {R Devon Hjelm and Bogdan Mazoure and Florian Golemo and Samira Ebrahimi Kahou and Pedro Braga and Felipe Frujeri and Mihai Jalobeanu and Andrey Kolobov},
journal= {arXiv preprint arXiv:2203.10351},
year = {2024}
}