Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2406.04028

帮助 | 高级搜索

计算机科学 > 人工智能

arXiv:2406.04028 (cs)
[提交于 2024年6月6日 ]

标题: 对比稀疏自编码器在棋类博弈代理规划解释中的应用

标题: Contrastive Sparse Autoencoders for Interpreting Planning of Chess-Playing Agents

Authors:Yoann Poupart
摘要: 人工智能引领棋类系统达到超人类水平,但这些系统严重依赖黑箱算法。 这在确保最终用户透明度方面是不可持续的,尤其是在这些系统负责敏感决策时。 最近的可解释性研究显示,深度神经网络(DNN)的内部表示是可以理解的,并且包含了人类可理解的概念。 然而,这些方法很少被上下文化,通常基于单一隐藏状态,这使得它们无法解释多步骤推理,例如规划。 在这方面,我们提出了对比稀疏自编码器(CSAE),一个用于研究游戏轨迹对的新框架。 使用CSAE,我们能够提取并解释对棋类代理计划有意义的概念。 在提出自动特征分类法之前,我们主要关注CSAE特征的定性分析。 此外,为了评估我们训练的CSAE的质量,我们设计了合理性检查以消除结果中的虚假相关性。
摘要: AI led chess systems to a superhuman level, yet these systems heavily rely on black-box algorithms. This is unsustainable in ensuring transparency to the end-user, particularly when these systems are responsible for sensitive decision-making. Recent interpretability work has shown that the inner representations of Deep Neural Networks (DNNs) were fathomable and contained human-understandable concepts. Yet, these methods are seldom contextualised and are often based on a single hidden state, which makes them unable to interpret multi-step reasoning, e.g. planning. In this respect, we propose contrastive sparse autoencoders (CSAE), a novel framework for studying pairs of game trajectories. Using CSAE, we are able to extract and interpret concepts that are meaningful to the chess-agent plans. We primarily focused on a qualitative analysis of the CSAE features before proposing an automated feature taxonomy. Furthermore, to evaluate the quality of our trained CSAE, we devise sanity checks to wave spurious correlations in our results.
评论: 关于可解释策略的研讨会 在强化学习中 @ RLC-2024,18页和15图
主题: 人工智能 (cs.AI)
引用方式: arXiv:2406.04028 [cs.AI]
  (或者 arXiv:2406.04028v1 [cs.AI] 对于此版本)
  https://doi.org/10.48550/arXiv.2406.04028
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Yoann Poupart [查看电子邮件]
[v1] 星期四, 2024 年 6 月 6 日 12:57:31 UTC (1,884 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.AI
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-06
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号