CODE-SHARP: Framework AI per la Scoperta Aperta di Abilità
I ricercatori hanno introdotto CODE-SHARP (Continuous Open-ended Discovery and Evolution of Skills as Hierarchical Reward Programs), un framework che utilizza Foundation Models per far crescere ed evolvere autonomamente una libreria di programmi Python che codificano abilità. Questi programmi, chiamati SHARP, definiscono condizioni di successo locali e prerequisiti collegati ad abilità scoperte in precedenza. In fase di esecuzione, gli SHARP instradano dinamicamente un agente attraverso i compiti tramite apprendimento per rinforzo, partendo da zero e utilizzando solo codice sorgente. L'approccio mira a ridurre l'intervento umano nel ciclo di sviluppo, consentendo la trasferibilità a nuovi ambienti. L'articolo è disponibile su arXiv con identificatore 2602.10085.
Fatti principali
- 1. CODE-SHARP sta per Continuous Open-ended Discovery and Evolution of Skills as Hierarchical Reward Programs.
- 2. Il framework sfrutta i Foundation Models (FM).
- 3. Le abilità sono codificate come programmi Python chiamati SHARP.
- 4. Ogni SHARP contiene una condizione di successo locale e prerequisiti.
- 5. Gli SHARP instradano gli agenti dinamicamente attraverso i compiti.
- 6. L'agente viene addestrato tramite apprendimento per rinforzo da zero.
- 7. L'approccio minimizza l'intervento umano nel ciclo di sviluppo.
- 8. L'articolo è pubblicato su arXiv (identificatore 2602.10085).
Entità
Istituzioni
- arXiv