Ny metod låter AI-agenter träna i inbillad miljö – kräver 10–20 gånger färre riktiga interaktioner

arXiv cs.AI

Forskare har utvecklat CA-MAMBA, ett system där flera AI-agenter (multi-agent reinforcement learning) lär sig att samarbeta och hålla sig inom givna begränsningar genom att träna i en simulerad världsmodell istället för i verkligheten. I praktiken behöver den gamla metoden 10–20 gånger fler interaktioner för att nå samma resultat, och CA-MAMBA klarar rörelsekontroll-uppgifter med 2,8–12 gånger högre poäng vid samma träningsbudget. Det intressanta är att modellens kostnadsuppskattningar verkar tillräckligt tillförlitliga – felet sitter alltså inte där, utan i hur multiplikanterna (straffvikterna) lärs in.