May, 2023

基于概率生成模型的多智体系统中的符号涌现：递归 Metropolis-Hastings 命名游戏

PDF
TL;DR本论文提出了递归 Metropolis-Hastings 命名游戏（RMHNG）作为 MHNG 的 N 代理版本，RMHNG 是一种近似贝叶斯推理方法，用于代理之间共享的潜在变量的后验分布的计算。同时，本文通过在合成和真实图像数据上评估 RMHNG 的性能，证明了即使是计算简化版本的 RMHNG 也能使代理之间建立符号系统。
symbol emergenceemergent communicationnaming gamebayesian inferencedecentralized
发现论文，激发创造
  • 通过深度生成模型的 Metropolis-Hastings 命名游戏实现紧急通信

    该研究探索了一种新的通过基于概率生成模型的命名游戏来实现分布式贝叶斯推断的符号产生系统，并提出了利用无监督学习的 Emergent communication 方式来改善代理人的表现。

    May, 2022

  • 联合注意命名博弈中的 Metropolis-Hastings 算法：实验符号学研究

    研究人员通过实验符号学研究探索个体之间交互中符号的出现。该研究对主动注意并称呼游戏进行了研究，并比较了人类接受概率和通过 Metropolis-Hastings 算法计算的接受概率的差异。研究表明，在 JA-NG 下进行符号出现的 MHNG 模型可以解释人类的行为，并认为这是一种近似的分散式贝叶斯推断。

    May, 2023

  • 使用头对头潜在词进行人际分类的符号出现

    本研究提出了一种头对头类型的跨人员多模式 Dirichlet 混合模型，用于符号出现和多模式分类，该模型基于 Metropolis-Hastings 方法的命名游戏使两个代理协作进行多模式分类和分享符号。

    May, 2022

  • 控制作为概率推理：多智能体强化学习中的一种新型沟通机制

    本文提出一种生成概率模型，该模型融合了新兴的通信和多智能体强化学习技术，可通过概率推断计划其动作，在通过信息传递实现协作任务的过程中，使用潜在变量估计与规划，基于 Metropolis-Hasting 命名游戏公式推算，实现了有意义的信息传递和协作任务。

    Jul, 2023

  • 符号出现作为人际情境跨越学习：组合词汇知识的出现

    本文提出了一种计算模型，该模型通过 Metropolis-Hastings 命名游戏和跨情景学习，使代理之间的组合性出现，并使语词知识生成，从而实现了类别形成和交际式通信。

    Jun, 2023

  • 一种用于可控能量驱动文本生成的区块 Metropolis-Hastings 采样器

    能量基语言建模与 Metropolis-Hastings 抽样器相结合可实现更高效和准确的文本生成，通过迭代提示大型语言模型，允许在每个步骤中对整个序列进行重写，从而确定生成长度和提高下游性能。

    Dec, 2023

  • 基于 Metropolis-Hastings 数据增强的图神经网络

    该论文提出了一种名为 Metropolis-Hastings Data Augmentation（MH-Aug）的新型框架，利用 Metropolis-Hastings 算法从一个显式目标分布中抽取增强的图形，实现对图形神经网络进行半监督学习，从而改善了 GNN 的性能。

    Mar, 2022

  • 抽象隐马尔可夫模型中的政策识别

    本文提出了一种基于概率推理的在线计划识别方法，采用抽象隐马尔可夫模型（AHMM）作为计划执行模型，结合 Rao-Blackwellised 粒子滤波器构建高效的混合推理方法，从而实现了多层次的动态计划识别。

    Jun, 2011

  • Metropolis-Hastings 生成对抗网络

    本文介绍了一种新的生成对抗网络，将 Markov chain Monte Carlo 和 GANs 相结合，从生成器 - 判别器对所定义的隐性分布中绘制样本，并使用 GAN 训练的判别器来构建用于改进采样的包装器，从而提高了生成器的性能。

    Nov, 2018

  • CGMH: 用 Metropolis-Hastings 采样实现句子生成限制

    本论文提出 CGMH，一种使用 Metropolis-Hastings 采样的新方法，可用于受约束的句子生成，包括多个关键字等复杂约束条件以及无监督的句子改写和纠错。CGMH 在各种任务中表现出与以前的句子生成监督方法相比很高的性能。

    Nov, 2018