抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
実世界のタスクのためにRLエージェントを使用するかを確かに決定するために,人間開発者は,エージェントが試験時間においてうまく機能することを検証する必要がある。いくつかの政策解釈方法は,エージェントロールアウトの集合における政策の意思決定を捕えることによって,これを容易にする。しかし,訓練時間挙動の最も有益な軌跡でさえ,分布からエージェントの挙動にはほとんど洞察を与えない。対照的に,著者らの方法は,エージェントが,より広い軌跡分布にわたってエージェントの挙動を示すことによって,分布シフトの下でどのように機能するかを伝える。これらの軌跡を,エージェントをより多様な非Se状態へ導いて,エージェントの挙動を示すことにより,これらの軌跡を生成した。ユーザ研究において,提案手法は,2つのエージェント検証タスクの1つに関して,ユーザがベースライン法よりも良いスコアを評価できることを示した。【JST・京大機械翻訳】