计算机科学 > 人工智能
[提交于 2024年6月7日
]
标题: 考虑允许性松弛的学习价值对齐策略的算法
标题: Algorithms for learning value-aligned policies considering admissibility relaxation
摘要: 新兴的\emph{价值感知工程}领域认为,软件代理和系统应具备价值意识,即它们必须根据人类价值观做出决策。在这种情况下,这些代理必须能够明确地推理不同行动方案与这些价值观的契合程度。为此,通常将价值观建模为状态或行动上的偏好,然后进行聚合以确定与特定价值观最契合的行动序列。最近,也考虑了这一层次上的额外价值可接受性约束。然而,通常需要这些约束的宽松版本,这大大增加了计算价值对齐策略的复杂性。为了获得在考虑可接受性放松的情况下做出价值对齐决策的高效算法,我们提出了使用学习技术,特别是我们使用了约束强化学习算法。在本文中,我们提出了两种算法,$\epsilon\text{-}ADQL$用于基于局部对齐的策略及其扩展$\epsilon\text{-}CADQL$用于一系列决策。我们在干旱场景下的水资源分配问题中验证了它们的效率。
文献和引用工具
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
推荐器和搜索工具
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.