Il Modello di Diffusione Risolve i Puzzle di Sokoban Senza un Risolutore
Un nuovo studio su arXiv (2608.15958) dimostra che un modello di diffusione discreta basato su transformer, addestrato esclusivamente sul completamento di tessere, può raggiungere un tasso di risolvibilità del 77,4% sui puzzle di Sokoban, un problema PSPACE-completo. Il modello, che non ha accesso a risolutori, ricompense o etichette di risolvibilità, impara a generare puzzle risolvibili riempiendo celle mascherate. In particolare, il 94,5% dei fallimenti rimanenti può essere reso risolvibile rimuovendo un singolo muro, indicando che l'obiettivo di addestramento locale del modello cattura implicitamente proprietà globali di risolvibilità. La ricerca contrappone la diffusione mascherata ai modelli autoregressivi, che fattorizzano le distribuzioni di probabilità in un ordine fisso, mentre la diffusione nasconde un sottoinsieme casuale di celle. Questo lavoro, scritto da ricercatori e pubblicato su arXiv, evidenzia l'emergere di proprietà complesse e di ricerca intensiva da semplici obiettivi locali, con potenziali implicazioni per la generazione procedurale di contenuti e le metodologie di addestramento dell'IA.
Fatti principali
- Lo studio è pubblicato su arXiv con ID 2608.15958.
- La risolvibilità di Sokoban è PSPACE-completa, come dimostrato da Culberson nel 1997.
- Il modello di diffusione raggiunge un tasso di risolvibilità del 77,4%.
- Il 94,5% dei fallimenti è risolvibile rimuovendo un singolo muro.
- Il modello è addestrato puramente sul completamento di tessere senza risolutori o etichette.
- Il modello è basato su transformer e utilizza diffusione discreta.
- La ricerca confronta la diffusione con i modelli autoregressivi.
- L'articolo è stato annunciato come un nuovo tipo su arXiv.
Entità
Istituzioni
- arXiv