論文の概要: AI Learning and Conceptual Transfer in the Game of Hidden Rules

• arxiv url: http://arxiv.org/abs/2608.21372v1
• Date: Fri, 26 Jun 2026 20:24:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.315762
• Title: AI Learning and Conceptual Transfer in the Game of Hidden Rules
• Title（参考訳）: 隠れルールゲームにおけるAI学習と概念伝達
• Abstract要約: 本報告では,ゲーム・オブ・ハイデン・ルールズ(GOHR)の取り組みを要約する。 GOHRは、試行錯誤フィードバック、表現設計、ルール難易度分析、伝達学習、一般化、擬ボット支援人間の学習分析から隠れルールを推論する訓練された強化学習エージェントに焦点を当てている。
• 参考スコア（独自算出の注目度）: 2.614526609561279
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This report summarizes the work conducted on the Game of Hidden Rules (GOHR), focusing on reinforcement learning agents trained to infer hidden rules from trial-and-error feedback, representation design, rule difficulty analysis, transfer learning, generalization, and pseudo-bot-assisted human learning analysis. The report focuses on the Transformer-based A2C framework, Feature-Centric and Object-Centric representations, experimental findings, and classification of human learning data.
• Abstract（参考訳）: 本報告では,ゲーム・オブ・ハイデン・ルールズ(GOHR, Game of Hidden Rules)における研究成果を要約し,試行錯誤フィードバック,表現設計,ルール難易度分析,伝達学習,一般化,擬似ボット支援人間の学習分析から隠れルールを推論する強化学習エージェントに着目した。 本報告では,TransformerベースのA2Cフレームワーク,特徴中心とオブジェクト中心の表現,実験結果,人間の学習データの分類について論じる。

関連論文リスト

• Toward a Metrology for Artificial Intelligence: Hidden-Rule Environments and Reinforcement Learning [2.614526609561279]
  ゲーム・オブ・ハイデン・ルールズ(GOHR)環境における強化学習について検討する。 GOHRは、エージェントが6ドルタイムのボードをクリアするために隠れたルールを推論し実行しなければならない複雑なパズルである。 本稿では,2つの状態表現戦略,すなわちFeature-Centric (FC) と Object-Centric (OC) を採用し,トランスフォーマーに基づくアドバンテージ・アクター・クリティカル (A2C) アルゴリズムを用いてトレーニングを行う。
  論文  参考訳（メタデータ） (2025-09-07T21:22:14Z)
• Skill Learning via Policy Diversity Yields Identifiable Representations for Reinforcement Learning [67.90033766878962]
  自己指導型特徴学習(RL)は、相互情報スキル学習(MISL)と呼ばれる情報理論の原則に依存することが多い。 本研究は,MISLを識別可能な表現学習のレンズを用いて検討する。 コントラスト継承機能(Contrastive Successor Features, CSF)は, 線形変換まで環境の地下構造を確実に復元できることを実証する。
  論文  参考訳（メタデータ） (2025-07-19T20:48:46Z)
• A Review on Discriminative Self-supervised Learning Methods in Computer Vision [5.5547914920738]
  自己教師付き学習(SSL)はコンピュータビジョンにおける変革的アプローチとして急速に発展してきた。 本稿では,人間のラベルを必要としないプレテキストタスクを解くことによって,表現の学習に焦点を当てた識別的SSL手法の包括的分析を行う。
  論文  参考訳（メタデータ） (2024-05-08T11:15:20Z)
• K-LITE: Learning Transferable Visual Models with External Knowledge [242.3887854728843]
  K-LITE (Knowledge-augmented Language- Image Training and Evaluation) は、外部知識を活用して伝達可能な視覚システムを構築する戦略である。 トレーニングでは、WordNetとWiktionaryの知識で自然言語のエンティティを豊かにする。 評価において、自然言語は外部知識で拡張され、学習された視覚概念を参照するために使用される。
  論文  参考訳（メタデータ） (2022-04-20T04:47:01Z)
• Contrastive Instruction-Trajectory Learning for Vision-Language Navigation [66.16980504844233]
  視覚言語ナビゲーション(VLN)タスクでは、エージェントが自然言語の指示でターゲットに到達する必要がある。 先行研究は、命令-軌道対間の類似点と相違点を識別できず、サブ命令の時間的連続性を無視する。 本稿では、類似したデータサンプル間の分散と、異なるデータサンプル間の分散を探索し、ロバストなナビゲーションのための独特な表現を学習するContrastive Instruction-Trajectory Learningフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-12-08T06:32:52Z)
• Co$^2$L: Contrastive Continual Learning [69.46643497220586]
  近年の自己教師型学習のブレークスルーは、このようなアルゴリズムが視覚的な表現を学習し、見えないタスクにもっとうまく移行できることを示している。 本稿では、連続的な学習と伝達可能な表現の維持に焦点を当てたリハーサルに基づく連続学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-06-28T06:14:38Z)
• Guided Variational Autoencoder for Disentanglement Learning [79.02010588207416]
  本稿では,潜在表現非絡み合い学習を行うことで,制御可能な生成モデルを学習できるアルゴリズム,Guided-VAEを提案する。 我々は、ガイド-VAEにおける教師なし戦略と教師なし戦略を設計し、バニラVAE上でのモデリングと制御能力の強化を観察する。
  論文  参考訳（メタデータ） (2020-04-02T20:49:15Z)

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。