論文の概要: An Information-Theoretic Definition for Open-Ended Learning

• arxiv url: http://arxiv.org/abs/2606.08369v1
• Date: Sat, 06 Jun 2026 23:06:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:06.064428
• Title: An Information-Theoretic Definition for Open-Ended Learning
• Title（参考訳）: オープンエンド学習のための情報理論的定義
• Authors: Wanqiao Xu, Yifan Zhu, Benjamin Van Roy,
• Abstract要約: エージェントがどのようにオープンエンド環境を探索すべきかについて、オープンエンド性や理論のコヒーレントな定義は存在しない。 新しい概念である$textit bit-equivalent$に基づいた情報理論の定義を導入します。 古典的バンディット環境はオープンエンドではなく,そのバンディット環境を定式化する。
• 参考スコア（独自算出の注目度）: 16.864720870072873
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A growing body of work points to the great promise of AI systems that can continually expand their capabilities as they operate in an open-ended environment. But yet there is no coherent definition of open-endedness or theory about how an agent ought to explore an open-ended environment. We introduce an information-theoretic definition based on a new concept -- the ${\textit bit-equivalent}$ -- which quantifies the information required to attain each level of expected reward. We consider an environment to be open-ended if an agent can attain linear growth in the bit-equivalent. We establish that classical bandit environments are not open-ended and formulate a bandit environment that is. We also introduce an algorithm that achieves open-ended learning in this environment.
• Abstract（参考訳）: 成長する仕事の体は、オープンエンド環境で運用するにつれて、その能力を継続的に拡張できるAIシステムの大きな約束を指し示している。 しかし、エージェントがどのようにオープンエンド環境を探索すべきかについて、オープンエンド性や理論のコヒーレントな定義は存在しない。 新しい概念である${\textit bit-equivalent}$に基づいて情報理論の定義を導入し、期待される報酬のレベルを達成するために必要な情報を定量化する。 エージェントがビット等価な線形成長を達成できれば,環境は開放されると考えられる。 古典的バンディット環境はオープンエンドではなく,そのバンディット環境を定式化する。 この環境でのオープンエンド学習を実現するアルゴリズムも導入する。

関連論文リスト

• OpenSkill: Open-World Self-Evolution for LLM Agents [57.88680042818572]
  我々はオープンワールドの自己進化について研究し、エージェントはそのスキルと独自の検証シグナルをゼロから構築しなければならない。 このループをブートストラップするフレームワークであるOpenSkillを提案する。 OpenSkillは、非スーパービジョン制約を満たしながら、最高の自動パスレートを達成する。
  論文  参考訳（メタデータ） (2026-06-04T21:55:48Z)
• The World Is Bigger! A Computationally-Embedded Perspective on the Big World Hypothesis [40.015199580592174]
  本稿では,エージェントが環境に埋め込まれることによって,その能力に関わらず,エージェントが制約を受けるような問題設定について述べる。 本稿では,エージェントが新たな予測を学習し,その行動に継続的に適応する能力を測定する,対話性(interactiveivity)と呼ばれるこの設定の目的を提案する。 その結果, 深い非線形ネットワークは相互作用性を維持するのに苦戦しているのに対し, 深い線形ネットワークはキャパシティの増加とともに高い相互作用性を維持することがわかった。
  論文  参考訳（メタデータ） (2025-12-29T12:31:46Z)
• Open-world machine learning: A review and new outlooks [117.33922838201993]
  オープンワールド機械学習の全体像を論じる。 未知の拒絶、新奇な発見、継続的な学習を調査する。 これは研究者がそれぞれの分野でより強力なAIシステムを構築するのを助けることを目的としている。
  論文  参考訳（メタデータ） (2024-03-04T06:25:26Z)
• A Definition of Open-Ended Learning Problems for Goal-Conditioned Agents [18.2920082469313]
  オープンエンドラーニングは、一般的に、多様な性質の集合を含む複合概念として考えられている。 我々は、エージェントがゴール駆動スキルのレパートリーを増大させることが可能な、オープンエンドの目標条件強化学習問題のサブセットに焦点を当てる。
  論文  参考訳（メタデータ） (2023-11-01T07:37:27Z)
• Interpretable Reinforcement Learning with Multilevel Subgoal Discovery [77.34726150561087]
  離散環境のための新しい強化学習モデルを提案する。 モデルでは、エージェントは確率的ルールの形で環境に関する情報を学習する。 学習には報酬関数は不要であり、エージェントは達成するための第一の目標のみを与える必要がある。
  論文  参考訳（メタデータ） (2022-02-15T14:04:44Z)
• OpenGAN: Open-Set Recognition via Open Data Generation [76.00714592984552]
  実世界の機械学習システムは、トレーニングデータとは異なる新しいテストデータを分析する必要がある。 オープンセット識別のための概念的にエレガントな2つのアイデアは、1) オープンvs閉鎖二元判別器を識別的に学習し、2) GAN を用いてクローズドセットデータ分布を教師なし学習する。 OpenGANは、それぞれのアプローチの限界をいくつかの技術的な洞察と組み合わせて解決します。
  論文  参考訳（メタデータ） (2021-04-07T06:19:24Z)

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。