論文の概要: A Reference Architecture of Reinforcement Learning Frameworks

• arxiv url: http://arxiv.org/abs/2603.06413v1
• Date: Fri, 06 Mar 2026 15:51:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-09 13:17:46.176979
• Title: A Reference Architecture of Reinforcement Learning Frameworks
• Title（参考訳）: 強化学習フレームワークのリファレンスアーキテクチャ
• Authors: Xiaoran Liu, Istvan David,
• Abstract要約: 強化学習(RL)アプリケーションは、RLフレームワークのような多様なサポート技術を生み出した。 比較、評価、統合の共通基盤を形成する参照アーキテクチャ(RA)は存在しない。
• 参考スコア（独自算出の注目度）: 9.087189607749094
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The surge in reinforcement learning (RL) applications gave rise to diverse supporting technology, such as RL frameworks. However, the architectural patterns of these frameworks are inconsistent across implementations and there exists no reference architecture (RA) to form a common basis of comparison, evaluation, and integration. To address this gap, we propose an RA of RL frameworks. Through a grounded theory approach, we analyze 18 state-of-the-practice RL frameworks and, by that, we identify recurring architectural components and their relationships, and codify them in an RA. To demonstrate our RA, we reconstruct characteristic RL patterns. Finally, we identify architectural trends, e.g., commonly used components, and outline paths to improving RL frameworks.
• Abstract（参考訳）: 強化学習(RL)の応用が急増し、RLフレームワークのような多種多様な支援技術がもたらされた。 しかし、これらのフレームワークのアーキテクチャパターンは実装間で一貫性がなく、比較、評価、統合の共通基盤を形成する参照アーキテクチャ(RA)は存在しない。 このギャップに対処するため、我々はRLフレームワークのRAを提案する。 基礎理論のアプローチにより、18の実践的RLフレームワークを分析し、それにより、繰り返し発生するアーキテクチャコンポーネントとその関係を識別し、それらをRAで符号化する。 RAを実証するため,特徴的RLパターンを再構成した。 最後に、アーキテクチャのトレンド、例えば、一般的に使われているコンポーネントを特定し、RLフレームワークを改善するためのパスを概説する。

関連論文リスト

• Engineering the RAG Stack: A Comprehensive Review of the Architecture and Trust Frameworks for Retrieval-Augmented Generation Systems [0.0]
  この記事では、2018年から2025年までの学術研究、産業応用、実世界の展開に関する体系的な文献レビューを提供する。 レジリエンス、セキュア、ドメイン適応可能なRAGシステムのデプロイのための実践的なフレームワークを提供する。
  論文  参考訳（メタデータ） (2025-11-07T16:26:29Z)
• A Unified Framework for Zero-Shot Reinforcement Learning [0.2951541543732647]
  ゼロショット強化学習(Zero-shot reinforcement learning, RL)は、一般エージェントを教師なしで開発するための場として登場した。 関心が高まりつつあるにもかかわらず、この分野には共通の分析レンズがない。 ゼロショットRLのための最初の統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-23T13:30:26Z)
• REDELEX: A Framework for Relational Deep Learning Exploration [0.0]
  近年、深層学習は、RDBをグラフ構造として概念化する新しいパラダイムとして登場した。 様々なRDLモデルと基礎となるRDBの特徴との関係について分析することができない。 REDELEX$-$aの総合的な探査フレームワークを70以上のRDBの最も多様なコレクション上で、様々な複雑さのRDLモデルを評価する。
  論文  参考訳（メタデータ） (2025-06-27T13:05:15Z)
• The Architecture Tradeoff and Risk Analysis Framework (ATRAF): A Unified Approach for Evaluating Software Architectures, Reference Architectures, and Architectural Frameworks [0.0]
  アーキテクチャトレードオフとリスク分析フレームワーク(ATRAF)について紹介する。 ATRAFは、アーキテクチャレベルを越えたトレードオフとリスクを評価するシナリオ駆動のフレームワークである。 アーキテクチャアーティファクトの継続的な洗練をサポートしながら、感受性、トレードオフ、リスクの識別を可能にする。
  論文  参考訳（メタデータ） (2025-05-01T17:48:52Z)
• Towards an Information Theoretic Framework of Context-Based Offline Meta-Reinforcement Learning [48.79569442193824]
  我々は,COMRLアルゴリズムが,タスク変数$M$と,その潜在表現$Z$の相互情報目的を,様々な近似境界を実装して最適化していることを示す。 実演として、$I(Z; M)$の教師付きおよび自己教師型実装を提案し、対応する最適化アルゴリズムがRLベンチマークの幅広いスペクトルにわたって顕著な一般化を示すことを実証的に示す。 本研究は,COMRL法の情報理論基盤を構築し,強化学習の文脈におけるタスク表現学習の理解を深める。
  論文  参考訳（メタデータ） (2024-02-04T09:58:42Z)
• Serving Deep Learning Model in Relational Databases [70.53282490832189]
  リレーショナルデータ上での深層学習(DL)モデルの実現は、様々な商業分野や科学分野において重要な要件となっている。 最先端のDL中心アーキテクチャは、DL計算を専用のDLフレームワークにオフロードします。 UDF中心アーキテクチャの可能性は、リレーショナルデータベース管理システム(RDBMS)内の1つ以上のテンソル計算をユーザ定義関数(UDF)にカプセル化する。
  論文  参考訳（メタデータ） (2023-10-07T06:01:35Z)
• Contextualize Me -- The Case for Context in Reinforcement Learning [49.794253971446416]
  文脈強化学習(cRL)は、このような変化を原則的にモデル化するためのフレームワークを提供する。 我々は,cRLが有意義なベンチマークや一般化タスクに関する構造化推論を通じて,RLのゼロショット一般化の改善にどのように貢献するかを示す。
  論文  参考訳（メタデータ） (2022-02-09T15:01:59Z)

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。