跳到正文
原文

可微精确学习(Differentiable Exact Learning)

Differentiable Exact Learning

arXiv· arXiv:2611.21486· Hristo Papazov, Francesco D'Angelo, Nicolas Flammarion·本站收录· 2 天前· 原文发表AI 动态· 扫描记录里的位置 →
AI 导读

研究者提出可微精确学习框架,用无界外部环境耦合状态追踪神经控制器,在小数据下实现算术与通用模拟任务的极长泛化。训练数据是隐藏内部状态、只暴露观察与动作的专家行为轨迹(策略轨迹观测,PTO)。论文提出的可微有限状态转换器(DFST)采用多重线性更新、支持 log-parallel 训练,能模拟任意有限状态控制器并通过环境交互实现计算通用性;作者在 RNN 与 GRU 上复现了结果,归纳出状态追踪控制器加无界外部环境加 PTO 的极长泛化配方。其度量提取协议能从训练后的 DFST 恢复可解释的离散控制器,作者证明其与目标算术和通用模拟算法等价;对 Softmax DFST 的转移概率取 argmax 得到的离散控制器,可被证明精确执行通用图灵机模拟与二进制算术。精确学习证明依赖若干假设,作者用实验加以支持。

阅读原文arxiv.org