اختبار مرتبط بالدليل · متوسط المستوى
اختبار التعلم المعزز متعدد الوكلاء
دراسة كيفية تعلم العديد من عملاء التعلم المعزز في ظل المكافآت المشتركة، وتغيير المعارضين، ووجهات النظر الجزئية، وقيود التنسيق.
سؤال 1 من 8
ما الذي يجعل البيئة "غير ثابتة" من وجهة نظر أحد الوكلاء في MARL؟
معاينة كل سؤال8 أسئلة
تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.
- ما الذي يجعل البيئة "غير ثابتة" من وجهة نظر أحد الوكلاء في MARL؟
- ويتعلم الوكلاء الآخرون في نفس الوقت ويغيرون سياساتهم الخاصة
- يتم إعادة تعيين وظيفة المكافأة بشكل عشوائي في كل حلقة
- مساحة الدولة تنمو بلا حدود مع مرور الوقت
- تقوم أجهزة الاستشعار بإرجاع الملاحظات الصاخبة
- ماذا يعني "التدريب المركزي مع التنفيذ اللامركزي" (CTDE)؟
- يتم تدريب الوكلاء وتشغيلهم على خادم مركزي واحد
- يستخدم الناقد المشترك المعلومات العالمية أثناء التدريب، لكن الوكلاء يتصرفون بناءً على الملاحظات المحلية عند النشر
- يقوم وكيل رئيسي واحد بإصدار الأوامر لجميع الآخرين في وقت التشغيل
- بيانات التدريب مركزية ولكن المكافآت لا مركزية
- ما هو الإطار الرياضي الذي يعمم MDP ذو الوكيل الفردي على وكلاء متعددين؟
- برنامج خطي
- نموذج ماركوف المخفي
- لعبة ماركوف (لعبة عشوائية)
- إنسان آلي ذو حالة محدودة
- في بيئة MARL التعاونية البحتة، كيف يتم تنظيم المكافأة عادةً؟
- يقوم كل وكيل بتعظيم المكافأة السلبية للآخر
- فقط أسرع وكيل يحصل على أي مكافأة
- يتم تعيين المكافآت بشكل عشوائي في كل خطوة
- يتقاسم الوكلاء مكافأة جماعية مشتركة يقومون بتعظيمها بشكل مشترك
- أي نهج تدريبي استخدمه OpenAI Five لتحسين أدائه في Dota 2؟
- Self-play against copies of its own current and past policies
- A fixed lookup table of human moves
- A supervised-only classifier trained on image labels
- A single policy trained only against a static scripted opponent
- لماذا يعتبر "تخصيص الائتمان" صعبًا بشكل خاص في MARL التعاونية؟
- تصل المكافآت على الفور ويسهل تتبعها
- من الصعب تحديد تصرفات الوكيل التي ساهمت في نتيجة الفريق المشتركة
- لا يوجد سوى وكيل واحد يتلقى المكافأة
- لا يمكن للوكلاء ملاحظة أي مكافأة على الإطلاق
- What structural constraint does QMIX place on its mixing network?
- It must be a linear sum with fixed weights
- It ignores all individual agent values
- The joint action-value is monotonic in each agent’s individual value
- It requires communication at every action step
- How does Value Decomposition Networks (VDN) form the team action-value?
- By multiplying all rewards by the number of agents
- By selecting the largest local reward only
- By training a separate team for each agent
- By summing the individual agents’ action-values