通用可解释世界模型

文章预览

Toward Universal and Interpretable World Models forOpen-ended Learning Agents 开放式学习代理的通用和可解释世界模型 https://arxiv.org/pdf/2409.18676 摘要 我们介绍了一类 通用、组合式且可解释的生成式世界模型，该类模型支持无界学习代理。这是一类稀疏的贝叶斯网络 ，能够近似表示各种随机过程，从而使代理能够以既可解释又计算可扩展的方式学习世界模型。这种方法结合了贝叶斯结构学习和内在动机（基于模型的）规划，使代理能够主动开发和优化其世界模型，这可能导致发展性学习以及更稳健、自适应的行为。 1 引言 无界学习代理的一个特征是能够逐渐理解广泛而复杂的世界。人类和动物认知发展的计算模型将此过程描述为在贝叶斯网络空间上进行近似贝叶斯推理，其中，由于来自与环境的主动（内在动机驱动）交互的感官数据的到来，推理得以不断细化[1] ………………………………