Una tesi dell’Università di Manchester presenta Visual Causal-chain Bookmarking (VCBM), un metodo che aiuta gli agenti di apprendimento per rinforzo a capire quali azioni hanno portato a ricompense ritardate. In una simulazione di riparazione di orologi, ha raggiunto il 95.07% di decisioni corrette in una media di 1,532.3 episodi su 20 esecuzioni, contro i 3,327.1 episodi del metodo di riferimento RUDDER. In AppWorld, l’addestramento con VCBM ha aumentato il successo nei compiti da 0.354 a 0.458, ma il confronto si basava su una sola esecuzione per metodo e non costituisce quindi una conferma statistica.
Perché conta
Per chi fa ricerca sull’addestramento di agenti per compiti con ricompense ritardate, VCBM offre un metodo testato per dare più peso alle decisioni determinanti. Tuttavia, per capire quanto sia affidabile il risultato in AppWorld servono altre esecuzioni.
