提出VESPA框架用于安全强化学习策略适配
热点事件持续更新
提出VESPA框架用于安全强化学习策略适配
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
Paul König等研究人员提出并发表了VESPA(可验证符号策略适配)框架,旨在通过形式验证生成的反例,对决策树策略进行定向微调,从而将不安全策略转化为安全策略。 该框架在CartPole环境中,将平均验证安全步数从63.8步提升至至少92.7步;在MountainCarContinuous环境中,60次运行里有53次成功完成了策略的安全化转换。实验结果证明,验证器生成的反例是有效的训练信号,能够系统性提升强化学习策略的安全性。
AI 根据报道生成 · 12 小时前更新
最新进展11月19日 13:00
VESPA:基于可验证符号策略适应的安全强化学习框架报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · MLVESPA:基于可验证符号策略适应的安全强化学习框架
VESPA 框架通过利用形式验证生成的反例对决策树策略进行定向微调,实现不安全策略向安全策略的转化。 该框架在 CartPole 环境中将平均验证安全步数从 63.8 提升至至少 92.7,在 MountainCarContinuous 环境中 60 次运行有 53 次成功将不安全策略转为安全策略。 验证器生成的反例被证明是有效的训练信号,可系统性提升强化学习策略的安全性。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月19日 15:00
- 近 24 小时变化
- –
02.557.510
16:0018:0020:0022:0011月20日
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。