Fugu-MT 論文翻訳(概要): Implementing Agent-Based Systems via Computability Logic CL2

論文の概要: Implementing Agent-Based Systems via Computability Logic CL2

arxiv url: http://arxiv.org/abs/2010.08925v3
Date: Mon, 30 Aug 2021 12:00:11 GMT
ステータス: 処理完了
システム内更新日: 2022-10-06 04:33:49.714275
Title: Implementing Agent-Based Systems via Computability Logic CL2
Title（参考訳）: 計算可能性論理CL2によるエージェントベースシステムの実装
Authors: Keehang Kwon
Abstract要約: 計算可能性論理(CoL)は自然にリソースが関与するマルチエージェントプログラミングモデルをサポートすることを示す。我々は、CoL(CL2を正確には)に基づくスターバックスの実装について議論する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Computability logic(CoL) is a powerful computational model. In this paper, we show that CoL naturally supports multi-agent programming models where resources (coffee for example) are involved. To be specific, we discuss an implementation of the Starbucks based on CoL (CL2 to be exact).
Abstract（参考訳）: 計算可能性論理(CoL)は強力な計算モデルである。本稿では,リソース(例えば顧客)が関与するマルチエージェントプログラミングモデルに対して,CoLが自然にサポートすることを示す。具体的には、CoL(CL2)に基づくStarbucksの実装について議論する。

関連論文リスト

ICLEval: Evaluating In-Context Learning Ability of Large Language Models [68.7494310749199]
In-Context Learning (ICL) は大規模言語モデル(LLM)の重要な能力であり、相互接続された入力の理解と推論を可能にする。既存の評価フレームワークは主に言語能力と知識に重点を置いており、しばしばICL能力の評価を見落としている。 LLMのICL能力を評価するためにICLEvalベンチマークを導入する。
論文参考訳（メタデータ） (2024-06-21T08:06:10Z)
In-Context Learning Functions with Varying Number of Minima [3.3268674937926224]
最小値の異なる関数を近似する新しいタスクを提案する。ミニマの数が増加するとICL性能が低下することがわかった。同時に、我々はICLが2層ニューラルネットワーク(2NN)モデルより優れていることを示した。
論文参考訳（メタデータ） (2023-11-21T11:33:03Z)
RedCoast: A Lightweight Tool to Automate Distributed Training of LLMs on Any GPU/TPUs [32.01139974519813]
大規模言語モデル(LLM)の分散トレーニングと推論を自動化するツールであるRedCoastを紹介する。また,3つの関数の定義により,多様なMLパイプラインをカスタマイズする機構を提案する。その結果、Redcoの実装は公式実装に比べてコード行数が大幅に減った。
論文参考訳（メタデータ） (2023-10-25T04:32:35Z)
BOLAA: Benchmarking and Orchestrating LLM-augmented Autonomous Agents [103.28404907655542]
大規模言語モデル(LLM)は、自律エージェント(LAA)の新たな探索に繋がった。本稿では,エージェントアーキテクチャとLLMバックボーンの両方の観点から,LAAの包括的な比較を行う。我々は、複数のLAAを編成する新しい戦略を提案し、各LAAは、複数のエージェント間の通信を管理する制御器であるテキストティティ(textiti.e. BOLAA)に焦点をあてる。
論文参考訳（メタデータ） (2023-08-11T06:37:54Z)
Exploring Continual Learning for Code Generation Models [80.78036093054855]
継続的学習(CL)は、コードドメインの中でまだ過小評価されていない重要な側面である。コード生成,翻訳,要約,改良など,幅広いタスクをカバーするCodeTask-CLというベンチマークを導入する。即時選択機構の不安定な訓練により,プロンプトプール (PP) などの有効手法が破滅的な忘れ込みに悩まされることが判明した。
論文参考訳（メタデータ） (2023-07-05T16:58:39Z)
Coarse-Tuning Models of Code with Reinforcement Learning Feedback [0.0]
コード上で事前訓練されたLarge Language Models (LLM) が、プログラム合成の主流のアプローチとして登場した。コードの品質を評価する接地関数からのフィードバックを用いて、強化学習により事前学習したLLMをさらに訓練するRCCFを提案する。
論文参考訳（メタデータ） (2023-05-25T22:09:08Z)
LCRL: Certified Policy Synthesis via Logically-Constrained Reinforcement Learning [78.2286146954051]
LCRLは未知決定プロセス(MDP)上でのモデルフリー強化学習(RL)アルゴリズムを実装している本稿では,LCRLの適用性,使いやすさ,拡張性,性能を示すケーススタディを提案する。
論文参考訳（メタデータ） (2022-09-21T13:21:00Z)
Computability-logic web: an alternative to deep learning [0.0]
CoL の Web 拡張である CoL-web が,データベース更新に関わる Web プログラミングを自然にサポートすることを示す。私たちは、CoL-webは一般的なAIをサポートしており、ニューラルネットやディープラーニングの優れた代替手段であると主張している。
論文参考訳（メタデータ） (2020-11-20T12:46:05Z)
Logical Team Q-learning: An approach towards factored policies in cooperative MARL [49.08389593076099]
我々は,協調的なMARLシナリオにおける要因付き政策の学習の課題に対処する。目的は、各エージェントの個人行動を決定する因子付きポリシーを取得し、その結果の合同ポリシーが最適になるようにすることである。主な貢献は、Logical Team Q-learning (LTQL)の導入である。
論文参考訳（メタデータ） (2020-06-05T17:02:36Z)
Distributed Reinforcement Learning for Cooperative Multi-Robot Object Manipulation [53.262360083572005]
強化学習(RL)を用いた協調型マルチロボットオブジェクト操作タスクの検討分散近似RL(DA-RL)とゲーム理論RL(GT-RL)の2つの分散マルチエージェントRLアプローチを提案する。本稿では, DA-RL と GT-RL を多エージェントシステムに適用し, 大規模システムへの拡張が期待される。
論文参考訳（メタデータ） (2020-03-21T00:43:54Z)

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。