跳到主要内容
检索

# 多臂老虎机

4 篇关联报道

订阅更新
  1. researchsquare.com

    模块化超大阵列波束训练不再全码本扫描:先按视差铺候选,再用统计反馈剪掉纯噪声扇区

    模块化超大天线阵列在近场与远场并存的混合场环境中做波束训练,候选码本不再固定不变。此前子阵方案依赖预定义码本或激活图样,难以适应空间非平稳信道;这里先用视差感知的初始码本覆盖各子阵的角度偏移,再用多臂老虎机在线学习,并在统计稳态后跨子阵投影、用似然比检验剔除纯噪声扇区,从而压缩动作空间。仿真中该方案在评估的整个信噪比范围内有效频谱效率高于三种对比方案,训练开销也明显降低。

  2. Swarm Intelligence

    蜂群的“集体心智”可写成单个强化学习智能体:盲目模仿的摇摆舞,等价于并行采样的多臂老虎机学习

    蜂群选巢时,个体只按邻居摇摆舞的强度盲目改换立场,这种局部模仿在群体层面被证明等价于一个在线强化学习智能体在解多臂老虎机。该宏观智能体按新命名的Maynard-Cross Learning规则更新各巢址的概率,每只侦察蜂相当于一次并行的动作—回报采样。推导针对加权投票者模型这一简化描述,模拟显示约500只侦察蜂即可贴近该宏观动力学并收敛到最优巢址。

  3. arXiv

    对话智能体的边界测试不再靠猜:从回复里抽条件,显式有效测试占比升到62.7%–83.3%

    对话智能体的策略边界测试有了新做法:不再从工作流图的节点和边推断期望行为,而是从探索对话中智能体的回复里抽取“条件—期望行为”陈述,再用陈述与变换指令配对生成测试。在四个领域上,62.7%到83.3%的测试是期望行为由提示、工具代码或知识库明确规定的有效边界测试,高于此前AgentEval测试套件的47.7%到68.1%;变换测试还额外覆盖13到46个显式边界。

  4. OptimAI 用多智能体 LLM 流水线把自然语言优化问题转成求解器代码,在 NLP4LP 上达 88.1%、Optibench 上达 82.3%,错误率较此前最佳分别下降 58% 和 52%

    该工作提出 OptimAI,一个由 LLM 驱动的多智能体框架,把自然语言描述的优化问题依次经过建模(formulator)、规划(planner)、求解器代码生成(coder)与反思式调试(code critic)四个阶段,并引入基于 UCB 的调试调度在多个候选方案间动态切换;在零样本设置下,使用 GPT-4o+o1-mini 在 NLP4LP 上达到 88.1% 准确率,使用 DeepSeek-R1 在 Optibench 上达到 82.3%,相比此前最佳方法错误率分别下降 58% 和 52%,消融显示移除 planner 或 code critic 会使生产力分别下降 5.8 倍和 3.1 倍,启用 UCB 调试调度带来额外 3.3 倍生产力提升。

已读完全部报道