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。

当前热度 9·可比范围峰值 10（11月6日 14:00）·近 24 小时可比范围变化–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。