論文の概要: Puzzle Solving without Search or Human Knowledge: An Unnatural Language Approach

• arxiv url: http://arxiv.org/abs/2109.02797v1
• Date: Tue, 7 Sep 2021 01:20:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-09 00:37:00.611448
• Title: Puzzle Solving without Search or Human Knowledge: An Unnatural Language Approach
• Title（参考訳）: 検索や人間知識のないパズル解法:不自然な言語的アプローチ
• Authors: David Noever and Ryerson Burdick
• Abstract要約: Generative Pre-trained Transformer (GPT-2) のテキスト構造化ゲーム表記学習への応用は、スパース報酬ゲームプレイを探索するためのモデル環境を提供する。 トランスフォーマーアーキテクチャは、迷路、ルービック、スドゥークの解法を記述した解決されたテキストアーカイブのトレーニングに適している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The application of Generative Pre-trained Transformer (GPT-2) to learn text-archived game notation provides a model environment for exploring sparse reward gameplay. The transformer architecture proves amenable to training on solved text archives describing mazes, Rubik's Cube, and Sudoku solvers. The method benefits from fine-tuning the transformer architecture to visualize plausible strategies derived outside any guidance from human heuristics or domain expertise. The large search space ($>10^{19}$) for the games provides a puzzle environment in which the solution has few intermediate rewards and a final move that solves the challenge.
• Abstract（参考訳）: Generative Pre-trained Transformer (GPT-2) のテキスト構造化ゲーム表記学習への応用は、スパース報酬ゲームプレイを探索するためのモデル環境を提供する。 トランスフォーマーアーキテクチャは、maze、rubikのキューブ、sudokuソルバを記述した、解決されたテキストアーカイブのトレーニングに適している。 この方法は、トランスフォーマーアーキテクチャを微調整することで、人間のヒューリスティックやドメインの専門知識から派生した、もっともらしい戦略を視覚化する。 ゲームに対する大きな検索スペース(>10^{19}$)は、パズル環境を提供し、ソリューションには中間的な報酬がほとんどなく、最後の動きは課題を解決する。

関連論文リスト

• Causal Language Modeling Can Elicit Search and Reasoning Capabilities on Logic Puzzles [14.777731830394357]
  本研究では,因果言語モデリングが,数独パズルの解法などの複雑な課題を学習できるかどうかを考察する。 この合成タスクで訓練されたトランスフォーマーモデルが実際にスドクスの解法を学習できることが示される。 また、分析結果をZebraパズル(アインシュタインパズルとして知られる)に拡張し、モデルが92.04 %のパズルを完全に正しく解いていることを示す。
  論文  参考訳（メタデータ） (2024-09-16T17:42:15Z)
• Solving Masked Jigsaw Puzzles with Diffusion Vision Transformers [5.374411622670979]
  画像とビデオのジグソーパズルは、意味のある画像やビデオのシーケンスを復元するために、順序のないシーケンスから画像の断片やビデオフレームを並べ替える難しい作業である。 既存のアプローチはしばしば、パズル要素の絶対的な位置または元のデータに適用される置換動作の予測を行う識別モデルにヒンジする。 本稿では,この課題に対処するために拡散変圧器を利用する革新的な手法であるJPDVTを提案する。
  論文  参考訳（メタデータ） (2024-04-10T18:40:23Z)
• Automated Graph Genetic Algorithm based Puzzle Validation for Faster Game Desig [69.02688684221265]
  本稿では,コンピュータゲームにおける論理パズルを効率的に解くための進化的アルゴリズムを提案する。 制約満足度問題に対するハイブリッド遺伝的アプローチの様々なバリエーションについて論じる。
  論文  参考訳（メタデータ） (2023-02-17T18:15:33Z)
• Video Anomaly Detection by Solving Decoupled Spatio-Temporal Jigsaw Puzzles [67.39567701983357]
  ビデオ異常検出(VAD)はコンピュータビジョンにおいて重要なトピックである。 近年の自己教師型学習の進歩に触発された本論文は,直感的かつ難解なプレテキストタスクを解くことによって,VADに対処する。 提案手法は3つの公開ベンチマークにおいて最先端のベンチマークよりも優れている。
  論文  参考訳（メタデータ） (2022-07-20T19:49:32Z)
• An AlphaZero-Inspired Approach to Solving Search Problems [63.24965775030674]
  探索問題を解くためにAlphaZeroで使用される手法と手法を適応する。 本稿では,簡単な解法と自己還元という観点から表現できる可能性について述べる。 また,探索問題に適応したモンテカルロ木探索法についても述べる。
  論文  参考訳（メタデータ） (2022-07-02T23:39:45Z)
• CubeTR: Learning to Solve The Rubiks Cube Using Transformers [0.0]
  ルービックス立方体は、可能な構成の五重項に対して単一の解状態を持ち、非常にスパースな報酬をもたらす。 提案モデルであるCubeTRは、より長いアクションシーケンスに参加し、スパース報酬の問題に対処する。
  論文  参考訳（メタデータ） (2021-11-11T03:17:28Z)
• Using Small MUSes to Explain How to Solve Pen and Paper Puzzles [4.535832029902474]
  本稿では,パズルを高レベル制約プログラミング言語で表現できるツールであるdemystifyを提案する。 MUSでパズルを解くための既存の技術にいくつかの改善を加えます。 手作業でペンと紙のパズルを解くための文書化戦略と比較することにより,Demystifyの有効性と汎用性を実証する。
  論文  参考訳（メタデータ） (2021-04-30T15:07:51Z)
• Non-Rigid Puzzles [50.213265511586535]
  非剛性多部形状マッチングアルゴリズムを提案する。 非剛性変形中の参照形状とその複数の部品が与えられると仮定する。 合成法と実走査法の実験結果から,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-11-26T00:32:30Z)
• Interactive Fiction Game Playing as Multi-Paragraph Reading Comprehension with Reinforcement Learning [94.50608198582636]
  対話型フィクション(IF)ゲームと実際の自然言語テキストは、言語理解技術に対する新たな自然な評価を提供する。 IFゲーム解決の新たな視点を捉え,MPRC(Multi-Passage Reading)タスクとして再フォーマットする。
  論文  参考訳（メタデータ） (2020-10-05T23:09:20Z)
• Exploration Based Language Learning for Text-Based Games [72.30525050367216]
  本研究は,テキストベースのコンピュータゲームにおいて,最先端の性能を発揮できる探索・模倣学習型エージェントを提案する。 テキストベースのコンピュータゲームは、自然言語でプレイヤーの世界を記述し、プレイヤーがテキストを使ってゲームと対話することを期待する。 これらのゲームは、言語理解、問題解決、および人工エージェントによる言語生成のためのテストベッドと見なすことができるため、興味がある。
  論文  参考訳（メタデータ） (2020-01-24T03:03:51Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。