Super-Exponential Regret for UCT, AlphaGo and Variants
Zusammenfassung
Für diesen Bericht lag nur ein Auszug oder keine vollständige Fassung vor. Die Zusammenfassung sagt das selbst.
Kurz
Der vorliegende Auszug enthält nur das Abstract: Die Autoren behaupten, frühere Beweise zu hohen Regret-Untergrenzen für UCT korrigiert und auf AlphaGos MCTS samt Nachfolgern übertragen zu haben. Beweisdetails oder eine nähere Einordnung der angegebenen Schranken sind im Auszug nicht enthalten.
Mittel
Der vorliegende Auszug umfasst nur Abstract und bibliografische Angaben. Laurent Orseau und Rémi Munos erklären, sie hätten Beweise für sehr hohe Regret-Untergrenzen von UCT auf der D-chain-Umgebung verbessert. Für eine „polynomial“ genannte UCT-Variante geben sie eine doppelt exponentielle Schranke an und sagen, ein Fehler der früheren Beweise bei Belohnungen im Bereich [0, 1] sei behoben. Die Autoren übertragen ihre Argumentation laut Abstract auch auf AlphaGos MCTS und Nachfolger wie AlphaZero und Leela Zero und beanspruchen dort ebenfalls eine doppelt exponentielle Schranke. Der Auszug enthält weder die Beweise noch weitere Details zur Einordnung der Resultate.
Ausführlich lesen
Der vorliegende Auszug besteht aus dem Abstract sowie Angaben zu Autorenschaft und Veröffentlichungsort. Laurent Orseau und Rémi Munos berichten, sie verbesserten die Beweise für zuvor von Coquelin und Munos (2007) hergeleitete untere Schranken zum Regret von UCT auf einer Umgebung namens D-chain. Dem Abstract zufolge kann UCT dort einen iterierten exponentiellen Regret mit in der Größenordnung der Kettentiefe liegender Zahl von Exponenten erreichen. Für eine als „polynomial“ bezeichnete UCT-Variante nennen die Autoren eine Schranke der Form exp₂(exp₂(D − O(log D))). Sie geben an, in den früheren Beweisen ein Problem für auf [0, 1] beschränkte Belohnungen gefunden und dieses im vorliegenden Entwurf behoben zu haben. Außerdem übertragen sie ihre Beweisführung laut Abstract auf AlphaGos Monte-Carlo-Tree-Search sowie auf Nachfolger wie AlphaZero und Leela Zero; auch dafür beanspruchen sie die genannte doppelt exponentielle Regret-Schranke. Der Auszug enthält keine Beweisdetails, Ergebnisse über weitere Umgebungen oder Angaben dazu, wie die Schranken empirisch einzuordnen sind. Als Veröffentlichungsort wird arXiv genannt.
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Vertrauen in Modelle
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 48 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug