Nov, 2023
开放环境中的主动推理
Active Reasoning in an Open-World Environment
Manjie Xu, Guangyuan Jiang, Wei Liang, Chi Zhang, Yixin Zhu
TL;DR最近，在视觉 - 语言学习方面取得了显著的成功，通过整合广泛的世界知识在完整信息的问答数据集上。然而，大多数模型是被动操作的，基于预先存储的知识来回答问题。与此相反，人类具有积极探索、积累和推理的能力，可以利用新发现和已有信息来解决不完整信息的问题。为了弥补这一差距，我们介绍了 $Conan$，一个用于主动推理评估的互动式开放世界环境，类似于 Minecraft 的丰富的开放世界设置。与之前主要依靠单一回合的演绎式遵循说明的工作不同，$Conan$ 强迫代理与周围环境积极交互，将新证据与先前知识相结合，阐明从不完整观察中的事件。我们对 $Conan$ 的分析强调了现有先进模型在积极探索和理解复杂场景方面的不足。此外，我们探索了从演绎到演绎的推理，代理利用贝叶斯规则重新构建了推断挑战，将其作为演绎过程。通过 $Conan$，我们旨在推动主动推理的进步，为下一代能够动态参与环境的人工智能代理铺平道路。