学者提出基于Transformer的A-life智能体符号蒸馏方法

1. 13:00
   arXiv 机器学习

   利用 Transformer 通过神经 A-life 智能体的符号蒸馏实现教学与学习

   研究提出利用预训练 Transformer 对神经人工生命（A-life）智能体进行符号蒸馏，以大幅加速紧凑符号策略的提炼并改善群体层面的学习。该方法采用在随机感知-动作数据上预训练、并通过神经架构搜索确定的 Transformer，解决了传统遗传算法搜索庞大策略空间时计算开销高的问题。实验对比了不同蒸馏方法，验证了符号空间通过自我反思和教学对群体动态的影响。

Current heat 9·Comparable peak 10（Nov 6 14:00）·Comparable change, last 24 hours–

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.