研究人員提出Dream-RSI框架進行遞歸自我學習

研究人員發佈了Dream-RSI，一個新的框架，用于在動態環境中對AI代理進行遞歸自我學習。該系統使用累積的發現歷史作為重播模擬器，允許模型評估和糾正其策略，而無需進行昂貴的在線測試。

Dream-RSI的主要目標是最小化計算成本，同时遞歸地改進代理。與其在每個階段都直接與外部環境交互，算法創建了一個基於過去數據的內部世界模型。這允許系統在自治模式下進行數千次模擬，同時保持高精度的決策。

在測試過程中，框架展示了自治積累經驗的能力，代理自行識別其知識中的空白並通過演化的世界來填補它們。該方法可以避免標準強化學習方法中策略退化的問題，方法是通過歷史數據進行持續驗證。

該技術針對在資源有限的情況下解決問題，傳統的學習需要大量計算資源。開發人員指出，使用歷史重播可以在將代理擴展到複雜的多級任務時降低對基礎設施的負載。詳細的實驗結果和算法的數學描述可在科學出版物中找到。