تقدّم أطروحة من جامعة مانشستر أسلوب Visual Causal-chain Bookmarking (VCBM)، لمساعدة وكلاء التعلم المعزّز على تحديد الأفعال التي أدت إلى مكافآت متأخرة. وفي محاكاة لإصلاح الساعات، حقق الأسلوب 95.07% من القرارات الصحيحة بعد متوسط بلغ 1,532.3 حلقة عبر 20 تجربة، مقارنةً بـ3,327.1 حلقة لخط الأساس RUDDER. وفي AppWorld، رفع التدريب الممزوج بـVCBM نسبة نجاح المهام من 0.354 إلى 0.458، لكن هذه المقارنة استندت إلى تجربة واحدة فقط لكل أسلوب، لذا لا تمثل تأكيدًا إحصائيًا.
لماذا يهم
للباحثين الذين يدرّبون وكلاء على مهام ذات مكافآت متأخرة، يوفّر VCBM طريقة مختبَرة لإبراز القرارات المؤثرة، لكن نتيجة AppWorld تحتاج إلى مزيد من التجارب قبل اتضاح مدى موثوقيتها.
