スタンフォードチームがRAGEN-2を提案、相互情報正則化器でRLエージェントの行動の空洞問題を解決

MEニュース　メッセージ、4月9日（UTC+8）、最近、RAGEN-2と名付けられた研究によると、強化学習で訓練されたエージェントは、多様な行動をとるように見えるが、実際にはテンプレートを繰り返しているだけであり、その結果、高エントロピーだがほぼゼロの相互情報を持ち、モデルは多様な方法で空虚な言葉を話すことを学習している。 この問題を解決するために、研究者は相互情報を感知する正則化項を提案した。この研究は@wzenus、@ManlingLi_、@YejinChoinka、Fei-Fei Liによって共同で行われた。（出典：InFoQ）