Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
deepmind19. August 2023 · Q005718

Levin Tree Search with Context Models

deepmind.google · Originalbericht öffnen ↗

Zusammenfassung

Für diesen Bericht lag nur ein Auszug oder keine vollständige Fassung vor. Die Zusammenfassung sagt das selbst.

Kurz

Der bereitgestellte Bericht ist nur das Abstract einer IJCAI-2023-Arbeit. Die Autoren berichten, ein auf Online-Kompression beruhendes Modell mit Levin Tree Search erziele in vier kombinatorischen Suchgebieten Ergebnisse, die frühere neuronale Ansätze erreichen oder teilweise übertreffen, und ermögliche laut ihrer Analyse theoretische Garantien. Versuchsdetails und Messwerte fehlen im Auszug.

Mittel

Der bereitgestellte Bericht ist nur ein Auszug, nämlich das Abstract einer IJCAI-2023-Arbeit. Darin beschreiben die Autoren Levin Tree Search (LTS), das Aktionsfolgen anhand einer kontextabhängigen Wahrscheinlichkeitsverteilung durchsucht und den Suchaufwand minimieren soll. Statt neuronaler Netze, für die laut Abstract Konvergenzgarantien schwer abzuleiten sind, verwenden sie ein parametrisiertes Modell aus der Online-Kompression. Sie behaupten, die Zielfunktion bleibe dadurch konvex und ermögliche Regret-Garantien. Das Modell verbinde allgemeine und spezifische Vorhersagen und könne trotz vieler Parameter verallgemeinern.

Erprobt wurde der Ansatz laut Abstract in Sokoban (Boxoban), The Witness, dem 24-Puzzle und Rubik’s Cube. Die Autoren berichten, LTS mit dem neuen Modell erreiche frühere Ergebnisse mit neuronalen Netzen oder übertreffe sie teilweise und finde Lösungen für neue Testinstanzen mit geringem Suchaufwand. Der Auszug enthält jedoch keine Einzelheiten zu Experimenten, Messwerten oder Vergleichen; die Aussagen lassen sich daraus nicht unabhängig bewerten.

Ausführlich lesen

Der bereitgestellte Bericht ist nur ein Auszug: Er enthält das Abstract einer IJCAI-2023-Arbeit, aber keine vollständige Beschreibung der Methode oder der Experimente. Das Abstract stellt Levin Tree Search (LTS) als Suchverfahren vor, das die Suche nach Lösungen anhand einer bedingten, kontextabhängigen Wahrscheinlichkeitsverteilung über Aktionsfolgen steuert. Laut den Autoren gibt es theoretische Garantien für den benötigten Suchaufwand und eine eigene Zielfunktion, mit der eine Suchstrategie auf geringen Suchaufwand trainiert werden kann.

Frühere Arbeiten der Autoren nutzten dafür neuronale Netze. Dem Abstract zufolge erschweren diese jedoch Konvergenzgarantien. Die neue Arbeit verwendet stattdessen ein parametrisiertes Modell, das auf Werkzeugen aus der Online-Kompression beruht. Die Autoren geben an, dass dadurch die Zielfunktion konvex bleibt und sich Regret-Garantien beweisen lassen: Bei einer Folge von Lösungspfaden soll die Strategie im Parameterraum rasch zur optimalen Strategie konvergieren. Das Modell könne zudem Vorhersagen allgemeiner und spezifischer Modelle verbinden und trotz vieler Parameter verallgemeinern.

Untersucht werden vier kombinatorische Suchgebiete: Sokoban (Boxoban), The Witness, das 24-Puzzle und Rubik’s Cube. Laut Abstract sind diese Probleme durch zufällige Suchwege kaum lösbar und viele bekannte Lernverfahren scheitern mindestens in einem der Gebiete. Die Autoren berichten, ihr Modell erreiche in Kombination mit LTS frühere veröffentlichte Ergebnisse mit neuronalen Netzen oder übertreffe sie teilweise und lerne eine Strategie, die neue Testinstanzen mit geringem Suchaufwand löst.

Da nur das Abstract vorliegt, fehlen Details zu Modell, Versuchsaufbau, Messwerten und konkreten Vergleichsergebnissen. Die berichteten Erfolge und theoretischen Eigenschaften lassen sich anhand dieses Auszugs nicht unabhängig beurteilen.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19 ungeprüft

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 7 von 7
Angezeigte Modelle
Tempo und Grenzen

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →