跳到正文
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

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv · ML
    VESPA: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
–

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。