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。
ナイーブインセンティブが不安全である安全なエージェントを訓練するための一般的フレームワークを提示した。用例として,操作的または知覚的行動は報酬を改善することができるが,避けるべきである。ほとんどのアプローチがここで失敗した:エージェントは必要な手段によって期待されるリターンを最大にする。末端の手段として使用すべきでない状態の「デリケート」部分による設定を形式的に記述した。次に,著者らは,Causal影響Diagram解析を用いて,状態の繊細な部分によって媒介されない期待リターンに及ぼす行動の因果関係を最大にするために,エージェントを訓練する。得られたエージェントは,繊細な状態を制御する動機を持たない。さらに,このフレームワークが既存の提案を統一し,一般化する方法を示した。【JST・京大機械翻訳】