AAAIDec, 2020

一种新颖性形式理论的统一框架：框架、样例和讨论

PDF
TL;DR通过团队自身所遇到的不确定性问题，本研究针对 AI 在处理 novelty（新颖性）问题时的困难，提出了第一个统一的框架，并且给出了公式化的定义方法，以适用于多个领域。该框架填补了相关领域的研究空白，并有助于推动该方向的研究进展。
noveltyinput managementaiformalized definitionresearch gap
发现论文，激发创造
  • 高保真模拟开放世界中的新颖性适应多智能体规划

    本文旨在探索如何让自主智能系统在真实世界的环境中适应、解决并执行计划，针对其中出现的未知问题和新的情况需要进行建模和检测。

    Jun, 2023

  • 对抗环境中交互创新处理的方法和机制

    本文介绍了一种应对开放性场景中新颖性挑战的方法，该方法结合了逻辑表示和推理方法，利用通用方法和架构机制检测、表征新颖性，并构建相应的适应性模型进行应对。通过在多智能体博弈中的评估，结果表明所提出的方法在各种新颖性挑战下均表现出高准确率。

    Feb, 2023

  • 测量新颖反应的难度

    本文提出一种评估 AI 系统应对开放世界新颖问题难度的方法，以帮助研究人员系统地训练其系统，并衡量其表现。

    Jul, 2022

  • 军事领域中的新颖性特征

    研究 AI 代理人的鲁棒性来应对新奇环境，DARPA 的 SAIL-ON 计划致力于开发必要的科学来评估代理人的鲁棒性，同时利用实验室实验中使用的技术来衡量代理人检测、表征和适应新奇性的能力。

    Feb, 2023

  • 面向 NLP 的新颖性检测和适应性评估统一框架及其在作者归属方面的实例化

    该论文介绍了 NoveltyTask，通过评估系统在处理 novelties 方面的性能来开始一个系统性的研究，并将其应用于作者归属任务中，使用 Amazon 评论的数据集进行实验和探索基准方法，最终结果表明该任务具有相当低的性能。

    May, 2023

  • 人类参与下的新颖性生成

    介绍了一种使用抽象环境模型的新颖性生成方法，不需要特定领域的人为指导即可生成更多的新颖性，然后采用人类的辅助选择和过滤这些生成的新颖性，并在 Monopoly 和 VizDoom 领域中测试了该方法的结果。

    Jun, 2023

  • 一种用于描述一般环境中新颖环境变换的框架

    为了应对世界千变万化，智能代理的关键在于对环境的多样性进行响应。本研究提出了环境转化（可分为 R-transformations 和 T-transformations 两类）的概念和形式化理论框架，引入了新的描述环境和变形的语言 T-SAL，提供了一套涵盖 8 类情境变化的测试，以期为新颖和偶发情境提供明确的分类，为代理的鲁棒性提供公正的评估。

    May, 2023

  • 游戏中的新颖性检测和适应性调整

    该研究提出了一种基于模型的强化学习方法，在该方法中，游戏状态和规则都是以知识图谱的形式表示，有助于检测游戏环境中的开放性创新，并进行智能重训练。

    Jun, 2021

  • 走向一个形式化的创造力理论：新颖性和转化性的初步结果

    通过形式化学习理论，我们提出了创造力相关概念的形式化，包括对新颖性和转换性创造力进行形式定义，并探索学习在创造性行为中的作用。通过提供形式化定义，我们证明当使用启发性集合而不是体验序列时，新颖性对于发生转换性创造力是必需的。

    May, 2024

  • 学术出版物基于内容的新颖度衡量方法：概念验证

    通过引入信息论的新颖度量，该研究介绍了一种自动化的科学新颖度量方式，并通过面向科学常识的准确性以及领域专家的新奇性评估的结果，验证了该度量方法的有效性。该新颖度量具有可解释性、细粒度和易接近性，有望对编辑、利益相关者和政策制定者产生重要影响，并为研究新颖性与创造力、跨学科研究、科学进展等科学动态之间的关系提供了自信的观察视角。

    Jan, 2024