開發人員介紹了非自回歸模型RL Agent

一位獨立開發者發佈了 RL Agent — 一種新的非自回歸決策模型，針對高速度運行進行優化。該項目被定位為現有代理管理解決方案的替代品，提供了一種無需順序預測token的優化方法來生成動作。

模型的關鍵特徵是推理時間，範圍從 33 到 38 毫秒。根據作者的說法，架構允許在決策任務中取得穩定的結果，同时保持最小的延遲，這對於實時系統至關重要。該項目的代碼已經公開，以便社區進一步測試。

開發基於非自回歸推理的原理，允許排除標準變換器在生成長序列時的累積錯誤。與傳統方法不同，後者每個動作都依賴於前一個動作，該模型可以並行計算所有步驟，從而保證可預測的性能。

作者還指出，類似的架構以前一直沒有受到大型實驗室的關注，儘管它們很有效。 RL Agent 的發佈旨在引起對輕量級模型的開發的關注，這些模型可以在有限的計算資源下運行，而不會在動態環境中失去準確性。