Fugu-MT 論文翻訳(概要): Winning Snake: Design Choices in Multi-Shot ASP

論文の概要: Winning Snake: Design Choices in Multi-Shot ASP

arxiv url: http://arxiv.org/abs/2408.08150v1
Date: Thu, 15 Aug 2024 13:37:59 GMT
ステータス: 処理完了
システム内更新日: 2024-08-16 13:46:24.758613
Title: Winning Snake: Design Choices in Multi-Shot ASP
Title（参考訳）: Winning Snake: マルチショットASPにおける設計選択
Authors: Elisa Böhl, Stefan Ellmauthaler, Sarah Alice Gaggl,
Abstract要約: 本稿では、アーケードゲームスネークを解くことで、論理プログラム部品(マルチショット)を再利用する様々な手法を示す。 Clingoで5つのハンズオン実装を実演し、その性能を実証的な評価で比較する。
参考スコア（独自算出の注目度）: 3.686808512438363
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Answer set programming is a well-understood and established problem-solving and knowledge representation paradigm. It has become more prominent amongst a wider audience due to its multiple applications in science and industry. The constant development of advanced programming and modeling techniques extends the toolset for developers and users regularly. This paper demonstrates different techniques to reuse logic program parts (multi-shot) by solving the arcade game snake. This game is particularly interesting because a victory can be assured by solving the underlying NP-hard problem of Hamiltonian Cycles. We will demonstrate five hands-on implementations in clingo and compare their performance in an empirical evaluation. In addition, our implementation utilizes clingraph to generate a simple yet informative image representation of the game's progress.
Abstract（参考訳）: 解答集合プログラミング(Answer set programming)は、よく理解され確立された問題解決と知識表現のパラダイムである。科学と産業における複数の応用により、より幅広い聴衆の間で注目を集めている。高度なプログラミングとモデリング技術の継続的な開発は、開発者とユーザのツールセットを定期的に拡張します。本稿では、アーケードゲームスネークを解くことで、論理プログラム部品(マルチショット)を再利用する様々な手法を示す。このゲームは、ハミルトンサイクルのNPハード問題を解くことで勝利を保証できるため、特に興味深い。 Clingoで5つのハンズオン実装を実演し、その性能を実証的な評価で比較する。さらに,クリングラフを用いて,ゲーム進行の単純かつ情報に富んだ画像表現を生成する。

関連論文リスト

Instruction-Driven Game Engine: A Poker Case Study [53.689520884467065]
IDGEプロジェクトは、大規模言語モデルで自由形式のゲーム記述を追従し、ゲームプレイプロセスを生成することにより、ゲーム開発を民主化することを目的としている。我々は、複雑なシナリオへの露出を徐々に増大させるカリキュラム方式でIDGEを訓練する。我々の最初の進歩はポーカーのIDGEの開発であり、これは幅広いポーカーの変種をサポートするだけでなく、自然言語入力を通じて高度に個別化された新しいポーカーゲームを可能にする。
論文参考訳（メタデータ） (2024-10-17T11:16:27Z)
Mechanic Maker: Accessible Game Development Via Symbolic Learning Program Synthesis [2.3941497253612085]
メカニックメーカー(Mechanic Maker)は、プログラミングなしで幅広いゲームメカニックを作成するためのツールである。これは、ゲーム力学を例から合成するバックエンドのシンボリック学習システムに依存している。
論文参考訳（メタデータ） (2024-10-01T21:58:28Z)
MMCode: Benchmarking Multimodal Large Language Models for Code Generation with Visually Rich Programming Problems [9.56366641717606]
MMCodeは、視覚的にリッチなコンテキストでアルゴリズムによる問題解決スキルを評価するための、最初のマルチモーダルコーディングデータセットである。 MMCodeには3,548の質問と6,620の画像が含まれている。
論文参考訳（メタデータ） (2024-04-15T06:15:46Z)
Instruction-Driven Game Engines on Large Language Models [59.280666591243154]
IDGEプロジェクトは、大規模な言語モデルが自由形式のゲームルールに従うことを可能にすることで、ゲーム開発を民主化することを目的としている。我々は、複雑なシナリオに対するモデルの露出を徐々に増大させるカリキュラム方式でIDGEを訓練する。私たちの最初の進歩は、汎用的なカードゲームであるPoker用のIDGEを開発することです。
論文参考訳（メタデータ） (2024-03-30T08:02:16Z)
Large Language Models as Analogical Reasoners [155.9617224350088]
CoT(Chain-of- Thought)は、言語モデルのプロンプトとして、推論タスク全体で素晴らしいパフォーマンスを示す。そこで本稿では,大規模言語モデルの推論プロセスを自動的にガイドする,新たなプロンプト手法であるアナログプロンプトを導入する。
論文参考訳（メタデータ） (2023-10-03T00:57:26Z)
Predicting Defective Visual Code Changes in a Multi-Language AAA Video Game Project [54.20154707138088]
視覚的コードメトリクスを含む視覚的コード欠陥予測モデルの構築に注力する。我々は,AAAビデオゲームプロジェクトにおける歴史的不可知性から抽出した特徴を用いて,我々のモデルを検証した。欠陥予測モデルでは,ROC曲線の下での面積で全体の性能が向上することがわかった。
論文参考訳（メタデータ） (2023-09-07T00:18:43Z)
CONCORD: Clone-aware Contrastive Learning for Source Code [64.51161487524436]
セルフ教師付き事前トレーニングは、多くのダウンストリームSEタスクに価値のあるジェネリックコード表現を学ぶための牽引役になった。汎用的な表現学習のために、開発者が日々どのようにコードをコーディングするかは、要因としても不可欠である、と私たちは主張する。特に,表現空間に良性クローンを近づける自己教師型コントラスト学習戦略であるCONCORDを提案する。
論文参考訳（メタデータ） (2023-06-05T20:39:08Z)
Revisiting Game Representations: The Hidden Costs of Efficiency in Sequential Decision-making Algorithms [0.6749750044497732]
不完全な情報の下でのシーケンシャルな意思決定アルゴリズムの進歩は、大きなゲームで顕著な成功を収めている。これらのアルゴリズムは伝統的に広義のゲーム形式を用いてゲームを形式化する。プレイヤー固有の情報状態木に基づく特殊表現の使用が,一般的な回避策であることを示す。
論文参考訳（メタデータ） (2021-12-20T22:34:19Z)
Playful Interactions for Representation Learning [82.59215739257104]
本稿では,下流タスクの視覚的表現を学習するために,遊び心のあるインタラクションを自己指導的に利用することを提案する。 19の多様な環境で2時間の遊び心のあるデータを収集し、自己予測学習を用いて視覚的表現を抽出する。我々の表現は、標準的な行動クローニングよりも一般化され、必要なデモの半数しか必要とせず、同様の性能を達成できる。
論文参考訳（メタデータ） (2021-07-19T17:54:48Z)
Learning to Extend Program Graphs to Work-in-Progress Code [31.235862838381966]
プログラムグラフの概念を、トークン間のエッジ関係を予測することを学ぶことによって、プログレッシブ・イン・プログレッシブ・コードに拡張する。作業中のシナリオにおいて、コード補完のタスクと変数の不正使用のローカライズと修復について検討する。我々は、細調整されたエッジを持つ関係認識モデルのトレーニングが、両タスクのパフォーマンスを継続的に向上させることを示した。
論文参考訳（メタデータ） (2021-05-28T18:12:22Z)
Learning to Reason in Round-based Games: Multi-task Sequence Generation for Purchasing Decision Making in First-person Shooters [15.004637601589701]
本稿では,ラウンド・アトリビュートとマルチタスク・デコーダを用いたシーケンス・リゾネータを提案し,ラウンド・ベースの意思決定の背後にある戦略を解釈する。複数のラウンドをマッチでサンプリングするために、数ショットの学習を採用し、メタラーニングループに対してモデルメタラーニングに依存しないように修正した。私たちの研究は、ゲームコミュニティを超えて、エピソードと長期的な購入戦略を理解するための、解釈可能なAIのための扉を開くでしょう。
論文参考訳（メタデータ） (2020-08-12T06:29:26Z)

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。