MMOct, 2019

通过模板迁移发展动机促进构成性交流的出现

PDF
TL;DR本研究提出了一种使用模板转移的训练方法，以实现多智能体系统中的紧急组成通信，此方法不需要在智能体的架构上强加归纳偏见，并通过拓扑相似度、零 - shot 泛化和上下文独立进行了实验验证，该方法支持了一个假设：组成性通信基于较简单通信协议。
发现论文，激发创造
  • 使用内在动机的组合新兴协议进行零样本泛化

    本研究旨在使用好奇心作为反馈机制，诱导一种系统性和明确的语言协议，展示如何利用组合性不仅能让人工智能代理与未见过的对象交互，而且能在零样本场景下从一项任务中转移技能到另一项任务中。

    May, 2021

  • 内在动机的组合语言生成

    本篇论文提出一种内在奖励框架，通过强化学习设置两个代理，以在三个不同的指称游戏环境下将有限通道容量与内在奖励相结合，提高新颖环境下组合性得分约 1.5-2 倍。

    Dec, 2020

  • 概念最佳匹配：评估新兴沟通中的组合性

    通过找出新出现的词和自然语言概念之间的最佳匹配，我们提出了一种评估新兴的通信的组成性的方法，这是第一次提供新出现词和人类概念之间直接可解释的映射。

    Mar, 2024

  • 具有连贯言者的交互世界中的交流出现

    本文提出了一种新的模型和训练算法，在以原始像素为输入的环境中，利用学习到的表征空间的结构产生更一致的发言者，稳定学习，并提出了一种用于度量文本独立性的新型基于对齐的指标，相比策略梯度和其他竞争基线，我们的算法在通信效果方面有了大幅提升。

    Sep, 2018

  • 深度繁衍传输下的组合语言出现

    本研究介绍了将文化演化动态引入语言出现过程中，通过定期更换人群中的代理以创建知识差距来提高语言的组成通用性。

    Apr, 2019

  • 多智体群体中基于实例的组合语言的出现

    本文研究了如何在多智能体种群中产生基础的组合语言，并观察到当语言交流不可用时，指向和引导等非语言交流方式的出现。

    Mar, 2017

  • 关于新兴神经通信中组合性和模仿之间的关系

    研究了深度神经网络智能体在 Lewis 游戏中的模仿学习行为， 发现了组合性与模仿学习之间的关系， 带来了两个贡献：一是不同类型的学习算法对语言的影响， 二是发现组合性语言的易于模仿性

    May, 2023

  • 泛化基于 emergent 原理的通信

    研究将最近开发的 BabyAI 网格世界平台转变为发送者 / 接收者设置，以测试深层强化学习技术是否足以激励建立通用代理之间的基于地面的离散通信协议的假设。结果表明，适当的环境激励确实可以避免测量或特殊归纳偏差的情况，而且更长的通信间隔激励了更抽象的语义。一些情况下，通讯代理比一个单一的代理更快地适应了新环境，展示了新兴通信对于迁移学习和泛化的潜力。

    Jan, 2020

  • 探索具有体现多智能体的零射击新兴通信

    本研究探讨在多智能体环境中，利用关节执行通信的新型通信模式，解决现有符号通信模式不能够解决的一些问题，提出具体的训练改进方案，实现了对新伙伴的协议推广。

    Oct, 2020

  • 关于视觉指代协作游戏中紧急系统化普适性与组合性的直通 Gumbel-Softmax 估计器

    通过测试训练数据分配策略、信道大小、词汇量大小及计算最大句子长度等几个方面，探究了词组合性和一般化能力在视觉谈判游戏中的具体应用情况。结果表明，采用适当的信道大小和适当的训练策略，可以提高视觉任务中的语言组合性及语言生成的一般化能力。

    Dec, 2020