A equipa de Stanford propôs o RAGEN-2, usando um regularizador de informação mútua para resolver o problema do vazio de comportamento do agente de RL

ME News Notícias, 9 de abril (UTC+8), recentemente, um estudo chamado RAGEN-2 indicou que, embora os agentes treinados por reforço pareçam exibir comportamentos diversos, na realidade estão apenas repetindo modelos, levando a uma alta entropia mas a uma informação mútua quase nula, ou seja, o modelo aprendeu várias formas de falar sem sentido. Para resolver esse problema, os pesquisadores propuseram um regularizador de percepção de informação mútua. Este estudo foi realizado por @wzenus, @ManlingLi_, @YejinChoinka e Fei-Fei Li. (Fonte: InFoQ)