論文の概要: Compiling Known Rules into Compact Neural Agents: Weight-Space Programming on Unseen Games
- arxiv url: http://arxiv.org/abs/2611.16981v1
- Date: Thu, 12 Nov 2026 15:49:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.50775
- Title: Compiling Known Rules into Compact Neural Agents: Weight-Space Programming on Unseen Games
- Title(参考訳): 既知のルールをコンパクトなニューラルエージェントにコンパイルする - 見えないゲームにおける重み空間プログラミング
- Abstract要約: ウェイトスペースプログラミング(WSP)は、トレーニングなしでニューラルネットワークの重みを構築するために言語モデルを使用する。
ゲームファミリ内の保持レベル、レンダリング、開始状態を一般化するコンパクトエージェントに、既知のゲームメカニックをコンパイルできるかどうかを検証する。
- 参考スコア(独自算出の注目度): 6.439618883488836
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Weight-space programming (WSP) uses language models to construct neural network weights without training. We test whether known game mechanics can be compiled into compact agents that generalise to held-out levels, renderings and start states within a game family. Writers receive simulator source with held-out level data removed for 20 privately authored, unpublished ARC-AGI-3-style game families. With a fixed 57k-parameter recurrent architecture, the strongest writer reaches 56% held-out-level success with feedback, while the four main writers' Python players reach 97-100%. An exploratory free-architecture condition reaches 68-90%. Learning from support-level examples transfers much less well, but these learners lack the source information given to writers. Written networks have a program-like structure: 93% of parameters are zero, and 90% of the rest are small integers or powers of two. NumPy players under comparable computation caps reach 91%, versus the networks' 79%. Training the strongest writer's architectures from scratch yields about 1% success within our budget. Written fixed-network weights are fragile, and standard PPO removes most of their success. Prompts for noise robustness increase tolerance by about four orders of magnitude for two of three writers, but PPO makes larger updates and still removes most success. These results demonstrate rule-to-network compilation in this setting, while showing limited benefits over Python programs and no successful combination with the tested PPO fine-tuning.
- Abstract(参考訳): ウェイトスペースプログラミング(WSP)は、トレーニングなしでニューラルネットワークの重みを構築するために言語モデルを使用する。
ゲームファミリ内の保持レベル、レンダリング、開始状態を一般化するコンパクトエージェントに、既知のゲームメカニックをコンパイルできるかどうかを検証する。
作者は、未公開のARC-AGI-3スタイルのゲームファミリー20の保持レベルデータを削除したシミュレーターソースを受け取る。
固定された57kパラメータの繰り返しアーキテクチャで、最も強いライターはフィードバックで56%の支持率で成功し、4人のメインライターのPythonプレイヤーは97-100%に達した。
探索的な自由構造条件は68-90%に達する。
サポートレベルのサンプルからの学習は、はるかに少ないが、これらの学習者は、ライターに与えられた情報源情報を欠いている。
93%のパラメータはゼロであり、残りの90%は小さな整数か2のパワーである。
計算容量に匹敵するNumPyのプレイヤーは、ネットワークの79%に対して91%に達する。
最強のライターのアーキテクチャをゼロからトレーニングすれば、予算で約1%の成功が得られます。
固定ネットワークの重みは脆弱で、標準のPPOは成功のほとんどを取り除きます。
ノイズロバスト性のためのプロンプトは、3人のライターのうち2人のうち4桁ほど許容度が向上するが、PPOは大きな更新を行い、ほとんどの成功は取り除く。
これらの結果は,Pythonプログラムに対して限定的なメリットを示しながら,テスト済みのPPOファインチューニングと組み合わせることに成功しなかった。
関連論文リスト
- Zero-Shot Weight-Space Programming Across a Difficulty-Graded Ladder of Two-Player Games [1.5736899098702974]
故意に困難を増すゲーム全体にわたって、大規模な言語モデルがどの程度、ゼロショットのプラクティスを持てるのかを問う。
我々は、4つの難易度にまたがる4輪はしご(Nim, tic-tac-toe, 2サイズConnect Four, チェスエンドゲーム)を設計し、各ラングに2番目の独立したネットワークを構築した。
10のネットワークが構築され、独立して検証される。6つのネットワークは、独立したオラクルに対する完全で非統計的な正当性を証明する。
論文 参考訳(メタデータ) (2026-11-06T10:26:48Z) - Reconstruct, Practice, Go Real: Guided Self-Improvement for Embodied Agents [50.03584684933779]
本稿では,ロボット実行システムの自律的改善のためのフレームワークであるReconstruct, Practice, Go Real(RPG)を紹介する。
RPGはオフラインデータセットの操作機能を特定し、シミュレーションで関連するプラクティスタスクを構築する。
新しい再利用可能なシンボリックスキルを開発し、既存のスキルを洗練させ、これらの診断に基づいてシステムプロンプトを改訂する。
論文 参考訳(メタデータ) (2026-10-01T17:59:50Z) - Under the Hood of SKILL.md: Semantic Supply-chain Attacks on AI Agent Skill Registry [49.83108591873481]
SKILL.md - エージェントスキルライフサイクルの3つのステージを対象とするアタックのみを調査する。
SKILL.mdは受動的ドキュメントではなく、サードパーティのエージェントが発見し、信頼し、使用する機能を形成する運用テキストであることを示す。
論文 参考訳(メタデータ) (2026-05-12T02:11:54Z) - Workspace Optimization: How to Train Your Agent [49.579258311548635]
我々はエージェントのEmphworkspaceであり、それが読み取り、書き込み、テストする構造化された外部基質であると主張している。
本稿では,重み空間トレーニングの構造を反映して,作業空間を進化させる原理的手法を提案する。
ARC-AGI-3のマルチエージェントハーネスであるDreamTeamのアイデアをインスタンス化する。
論文 参考訳(メタデータ) (2026-05-10T16:52:10Z) - CheeseBench: Evaluating Large Language Models on Rodent Behavioral Neuroscience Paradigms [0.0]
CheeseBenchは、9つの古典的行動神経科学パラダイムに基づいて、大きな言語モデル(LLM)を評価するベンチマークである。
それぞれのタスクは、近似動物ベースラインを持つピアレビューされたロジトプロトコルに基礎を置いている。
テキストベースのASCIIレンダリングを用いて6つのオープンウェイトLCMを評価し、ランダムベースラインとグラフベースの強化学習エージェントを比較した。
論文 参考訳(メタデータ) (2026-04-12T21:37:26Z) - CORE: Collaborative Reasoning via Cross Teaching [11.841736034560187]
Collaborative Reasoning (CORE)は、ピア成功を学習信号に変換するトレーニングタイムコラボレーションフレームワークである。
GSM8K, MATH, AIME, GPQAの4つの標準推論データセットでCOREを評価する。
論文 参考訳(メタデータ) (2026-01-29T12:07:54Z) - Understanding writing style in social media with a supervised
contrastively pre-trained transformer [57.48690310135374]
オンラインソーシャルネットワークは、ヘイトスピーチから偽情報の拡散まで、有害な行動の場として機能している。
本稿では, 4.5 x 106テキストの公開資料から得られた大規模コーパスに基づいて学習したStyle Transformer for Authorship Representations (STAR)を紹介する。
512個のトークンからなる8つのドキュメントからなるサポートベースを使用して、著者を最大1616人の著者のセットから、少なくとも80%の精度で識別することができる。
論文 参考訳(メタデータ) (2023-10-17T09:01:17Z) - CommonsenseQA 2.0: Exposing the Limits of AI through Gamification [126.85096257968414]
現代自然言語理解モデルの能力をテストするベンチマークを構築した。
本研究では,データ構築の枠組みとしてゲーミフィケーションを提案する。
論文 参考訳(メタデータ) (2022-01-14T06:49:15Z) - MEGATRON-CNTRL: Controllable Story Generation with External Knowledge
Using Large-Scale Language Models [98.53511229517463]
本稿では,大規模言語モデルを用いた新しいフレームワークを提案し,外部知識ベースを組み込んだテキスト生成制御を提案する。
本フレームワークは,キーワード予測器,知識検索器,文脈知識ランキング器,条件付きテキスト生成器から構成される。
実験の結果、我々のモデルは、ROCストーリーデータセットの以前の作業と比較して、反復性が低く、多様性が低い、より流動的で、一貫性があり、一貫性のあるストーリーを生成します。
論文 参考訳(メタデータ) (2020-10-02T08:07:12Z)
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。