★ 3
信念状态引擎：部分可观测下的LLM规划增强
LLM智能体在部分可观测环境中易出现过早承诺、不确定性坍缩与策略漂移，根源在于其作为历史条件策略缺乏对隐藏状态的显式信念。论文提出信念状态引擎（BSE），在LLM外部维护POMDP潜在状态的贝叶斯后验，每步仅向LLM暴露后验而非原始动作-观测日志，并证明该组合是信念MDP上的可靠马尔可夫策略。在T…
arXiv cs.AI53 天前
#部分可观测
共 9 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
迈向基于信念的LLM代理世界模型
本文提出信念基础世界模型（BB-WMs），它建模并维护信念，LLM可查询以获取当前状态已知和不确定的信息。实验表明，在部分可观测性下，让LLM代理访问世界模型信念可提高任务性能，并与现有基于模拟的世界模型互补。
arXiv cs.AI61 天前
★ 2
研究：LLM 规划智能体在部分可观测下的承诺策略
论文研究 LLM 规划智能体在部分可观测环境中承诺不同长度计划的行为。激进承诺基于未观测状态假设制定长计划，保守承诺仅基于已观测信息，二者准确率相近但安全与效率权衡不同。分析发现 LLM 几乎把提供的先验当作事实，先验不可靠时易失败，作者还探索了可调超参数的混合策略。
arXiv cs.AI17 天前
★ 2
面向非对称Actor-Critic的记忆状态评论家
论文针对部分可观测马尔可夫决策过程，提出「记忆状态评论家」：将评论家条件于状态与策略自身记忆，即可得到良定义且无偏的策略梯度，无需再额外用循环网络近似历史。在四旋翼视觉追逃环境中，该方法优于历史-状态评论家且收敛更快，并在特定场景保持优势。
arXiv cs.LG27 天前
★ 2
基于复数记忆的强化学习
论文重新审视酉循环网络（uRNN），其在复向量空间中表达循环与隐状态，保范酉动力学有利于长序列信息传播。作者提出三种 uRNN 变体作为循环 PPO 架构的即插即用替代，并探索保留复数隐状态相位信息的相位感知策略。在 rocksample、Craftax 等任务上奖励达基线的 2-3 倍，为部分可…
arXiv cs.LG32 天前
★ 2
超越静态图世界模型：演化拓扑上的随机潜动力学学习
论文提出图动力学模型（GDM），面向图结构观测的世界模型，可处理随机、部分可观测环境中演化拓扑的情形。GDM 使用稀疏循环邻接矩阵建模拓扑更新与消息传递，并结合循环状态空间架构建模随机转移。作者还提出图分布距离（GDD）指标，用图核最大均值差异比较联合下一状态分布，实验显示 GDM 优于基线并具备…
arXiv cs.LG38 天前
★ 2
部分可观测模仿的最小循环行为记忆
论文研究在部分可观测下复现指定专家所需的最少循环记忆，用兼容关系刻画该最小记忆。作者提出单载体测量协议，分离行为充分性、超额码率与观测携带的信息。实验显示在操作任务中学习码率接近零比特与两比特需求，而学习该表示仍然困难，事件无关的未来行为监督可将最长视野像素设置从 0/8 提升到 6/8 充分种子。
arXiv cs.LG40 天前
★ 2
部分可观测下的神经符号动作模型学习
论文提出NeSyAM，一种在部分可观测条件下学习动作模型的神经符号建模范式，解决现有方法依赖完整可观测轨迹的局限。研究还给出统一变分框架分析现有方法局限，并在六个视觉规划域、三种观测机制上验证其能稳定恢复真实动作模型的相关部分。
arXiv cs.AI40 天前
★ 2
HORIZON：部分可观测多智能体导航的零样本对手适应
针对 Lux AI Season 3 的部分可观测、随机回合动态与五局三胜赛制，论文提出分层智能体 HORIZON。它融合对称感知空间感知、双记忆信念追踪、遗物中心图注意力、信息增益驱动探索与对手条件策略混合，将短时程控制与跨局元推理分离。用 PPO 在大规模 JAX 模拟器中训练，在胜率、适应增…
arXiv cs.AI49 天前