スタンフォードチームはRAGEN-2を提案し、相互情報正則化器を用いてRLエージェントの行動空洞問題を解決した

ME News 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、多様な行動を取るように見えるが、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、モデルは空虚な言葉を話す多様な方法を学習していることが示された。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）