★ 2
arXiv 提出认知约束伙伴训练框架提升零样本协作
论文提出以「认知约束伙伴」训练人机协作智能体的框架，模拟伙伴的多样性来自基于人类生理文献的程序化约束（反应延迟与感知局限），而非奖励塑形或历史检查点。在改造版 Lunar Lander 环境中，这类伙伴比无约束智能体更像真人，训练出的智能体达到最强交叉对局基线，且性能不依赖训练伙伴的生成方式。作者…
arXiv cs.LG7 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出以「认知约束伙伴」训练人机协作智能体的框架，模拟伙伴的多样性来自基于人类生理文献的程序化约束（反应延迟与感知局限），而非奖励塑形或历史检查点。在改造版 Lunar Lander 环境中，这类伙伴比无约束智能体更像真人，训练出的智能体达到最强交叉对局基线，且性能不依赖训练伙伴的生成方式。作者…