Eysenbach团队发布赋能目标表征学习论文

Benjamin Eysenbach团队在 arXiv 发布 ICML 论文《Learning to Perceive the World Through Control》，提出通过交互、以“赋能”为目标学习世界表征的方法；在相关实验和假设下，该方法无需任务奖励或专家示范。 论文称，学习到的表征会忽略与控制无关的信息，并对控制相关的状态变量保持敏感。在 Point-Maze、Ant 和视觉操作实验中，表征对控制相关变量的敏感度比无关变量至少高 1000 倍。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。