Fugu-MT 論文翻訳(概要): Resolving Resource Incompatibilities in Intelligent Agents

論文の概要: Resolving Resource Incompatibilities in Intelligent Agents

arxiv url: http://arxiv.org/abs/2009.05898v1
Date: Sun, 13 Sep 2020 02:09:04 GMT
ステータス: 処理完了
システム内更新日: 2022-10-19 02:58:21.808853
Title: Resolving Resource Incompatibilities in Intelligent Agents
Title（参考訳）: インテリジェントエージェントの資源不整合性の解消
Authors: Mariela Morveli-Espinoza, Ayslan Possebom, and Cesar Augusto Tacla
Abstract要約: 本稿では,資源制限による不整合性に着目した。追従目標の集合から資源不整合性を特定するアルゴリズムを提案し,その一方で,追従を続ける目標を選択するための2つの方法を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: An intelligent agent may in general pursue multiple procedural goals simultaneously, which may lead to arise some conflicts (incompatibilities) among them. In this paper, we focus on the incompatibilities that emerge due to resources limitations. Thus, the contribution of this article is twofold. On one hand, we give an algorithm for identifying resource incompatibilities from a set of pursued goals and, on the other hand, we propose two ways for selecting those goals that will continue to be pursued: (i) the first is based on abstract argumentation theory, and (ii) the second based on two algorithms developed by us. We illustrate our proposal using examples throughout the article.
Abstract（参考訳）: 知的エージェントは一般に複数の手続き的目標を同時に追求し、それらの間にいくつかの衝突(矛盾)を引き起こす可能性がある。本稿では,資源制限によって生じる非互換性に着目する。したがって、この記事の貢献は2つある。一方,探索された目標の集合から資源不整合性を特定するアルゴリズムを提案し,その一方で,追従を続ける目標を選択するための2つの方法を提案する。 (i)第一は抽象的議論理論に基づくもので、 (ii) 私たちが開発した2つのアルゴリズムに基づく2番目。記事全体の例を使って提案について説明する。

関連論文リスト

Two-Timescale Model Caching and Resource Allocation for Edge-Enabled AI-Generated Content Services [55.0337199834612]
Generative AI(GenAI)は、カスタマイズされたパーソナライズされたAI生成コンテンツ(AIGC)サービスを可能にするトランスフォーメーション技術として登場した。これらのサービスは数十億のパラメータを持つGenAIモデルの実行を必要とし、リソース制限の無線エッジに重大な障害を生じさせる。我々は、AIGC品質とレイテンシメトリクスのトレードオフをバランスさせるために、AIGCサービスのジョイントモデルキャッシングとリソースアロケーションの定式化を導入する。
論文参考訳（メタデータ） (2024-11-03T07:01:13Z)
ROMA-iQSS: An Objective Alignment Approach via State-Based Value Learning and ROund-Robin Multi-Agent Scheduling [44.276285521929424]
本稿では,エージェントが独立して最適な状態を発見できる分散状態ベース価値学習アルゴリズムを提案する。我々の理論分析は、我々のアプローチが分散化されたエージェントを最適な集団政策へと導くことを示している。さらに実験により,本手法が既存の分散状態ベースおよび行動ベース価値学習戦略より優れていることを示す。
論文参考訳（メタデータ） (2024-04-05T09:39:47Z)
SEGO: Sequential Subgoal Optimization for Mathematical Problem-Solving [64.38649623473626]
大規模言語モデル(LLM)は人工知能の大幅な進歩を導いた。数学的問題を解く能力を高めるために,textbfSEquential subtextbfGoal textbfOptimization (SEGO) という新しいフレームワークを提案する。
論文参考訳（メタデータ） (2023-10-19T17:56:40Z)
Setting the Right Expectations: Algorithmic Recourse Over Time [16.930905275894183]
本稿では,連続的に変化する環境がアルゴリズムの会話に与える影響を研究するためのエージェント・ベース・シミュレーション・フレームワークを提案する。この結果から,特定のパラメータ化の小さなセットだけが,時間とともにエージェントに信頼性のあるアルゴリズム的リコースをもたらすことが明らかとなった。
論文参考訳（メタデータ） (2023-09-13T14:04:15Z)
On the Complexity of Multi-Agent Decision Making: From Learning in Games to Partial Monitoring [105.13668993076801]
マルチエージェント強化学習(MARL)理論における中心的な問題は、構造条件やアルゴリズムの原理がサンプル効率の学習保証につながるかを理解することである。本稿では,複数のエージェントを用いた対話型意思決定のための一般的な枠組みとして,この問題について考察する。マルチエージェント意思決定における統計的複雑性を特徴付けることは、単一エージェント決定の統計的複雑性を特徴付けることと等価であることを示す。
論文参考訳（メタデータ） (2023-05-01T06:46:22Z)
Artificial Intelligence and Dual Contract [2.1756081703276]
独立したQ-ラーニングアルゴリズムを備えた2つのプリンシパルが1つのエージェントと対話するモデルを開発する。その結果、AIプリンシパルの戦略的行動は、利益の整合性に決定的に左右されることがわかった。
論文参考訳（メタデータ） (2023-03-22T07:31:44Z)
Lexicographic Multi-Objective Reinforcement Learning [65.90380946224869]
このような問題を解決するために,アクション値アルゴリズムとポリシー勾配アルゴリズムの両方のファミリを提案する。エージェントの動作に安全制約を課すのに我々のアルゴリズムをどのように使用できるかを示し、この文脈でのそれらの性能を他の制約付き強化学習アルゴリズムと比較する。
論文参考訳（メタデータ） (2022-12-28T10:22:36Z)
Towards End-to-End Open Conversational Machine Reading [57.18251784418258]
オープン検索型会話機械読解(OR-CMR)タスクでは,機械は対話履歴とテキスト知識ベースに応答するマルチターン質問を行う必要がある。 OR-CMRを完全エンドツーエンドで統一されたテキスト・ツー・テキスト・タスクとしてモデル化し、ShARCおよびOR-ShARCデータセットを用いた実験により、提案したエンドツーエンド・フレームワークの有効性を示す。
論文参考訳（メタデータ） (2022-10-13T15:50:44Z)
Neural-guided, Bidirectional Program Search for Abstraction and Reasoning [3.2348834229786885]
本稿では, ブルートフォース探索をベースとしない抽象化と推論の2つのアプローチの基礎を定めている。まずDreamCoderと呼ばれる既存のプログラム合成システムを用いて、これまで解決されてきたタスクからシンボリックな抽象化を作成する。第二に、人間がARCに近づく方法によって動機付けられた推論アルゴリズムを設計する。
論文参考訳（メタデータ） (2021-10-22T00:41:47Z)
End-to-End Learning and Intervention in Games [60.41921763076017]
ゲームにおける学習と介入のための統一的なフレームワークを提供する。明示的および暗黙的な区別に基づく2つのアプローチを提案する。分析結果は、実世界のいくつかの問題を用いて検証される。
論文参考訳（メタデータ） (2020-10-26T18:39:32Z)
An Argumentation-based Approach for Identifying and Dealing with Incompatibilities among Procedural Goals [1.1744028458220426]
インテリジェントエージェントは複数のパース可能なゴールを生成し、それら間で互換性がない可能性がある。本稿では,これらの非互換性の定義,識別,解決に焦点をあてる。
論文参考訳（メタデータ） (2020-09-11T01:01:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。