Notice bibliographique
Résumé
A tabular Reinforcement Learning algorithm, such as Q-learning, is incapable of solving problems with large state spaces due to explosive growth of the table required to be kept in fast memory (e.g. RAM). Neural Networks offer a solution at the expense of representation, among other things. Yet if we analyze the learning task in terms of the goal arity, we can approach problems of larger state spaces with Discretized Q-learning algorithm, by dramatically reducing memory requirements for the Q table.This paper demonstrates the methodology using the well-known LightsOut puzzle. While analytical methods of solving some variants of this puzzle are known, we proceed under a different premise of putting the learning agent in a much more difficult position of having virtually no initial information about the rules of the puzzle and often not being able to perceive the symmetries inherent in the two-dimensional puzzle grid.Without the described savings a standard and already thrifty Q-learning solution to a 5×5 variant of the puzzle would require over 3 gigabytes of RAM with 4 bytes per table entry, while our Discretized Q-learning solution required only 5 bits per table entry, allowing us to solve the puzzle on a 1 gigabyte machine. Finally, we also consider a variant of this puzzle for which no analytical solutions are known. The Discretized Q-learning algorithm is equally applicable to the new puzzle and can solve it with exactly the same effort.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».