Ny metod gör AI-agenter stabilare vid inlärning i realtid

arXiv cs.AI

Forskare har tagit fram CV-ICRL, en teknik som förbättrar så kallad in-context reinforcement learning – där en AI-modell anpassar sig till nya uppgifter utan att uppdatera sina parametrar. Problemet med tidigare metoder är att de varit instabila, och CV-ICRL löser detta genom att ge modellen ett explicit 'värdeestimat' (en prognos på förväntad framtida belöning) som skrivs in i kontexten och stabiliserar inlärningen. Tester på tre standardmiljöer – Dark Room, Minigrid och Procgen – visar att metoden ger både stabilare anpassning och högre poäng.