Tecniche di Rerooting Migliorano la Scalabilità della Levin Tree Search
Un nuovo preprint su arXiv (2605.30664) introduce tre progetti di rerooter per l'algoritmo √LTS al fine di migliorare la ricerca su alberi di policy basata su sottobiettivi. Il rerooter basato su clustering sfrutta la struttura globale dello spazio degli stati, il rerooter basato su euristiche utilizza stime apprese del costo residuo, e un ibrido combina entrambi i segnali. Questo framework evita la ricostruzione esplicita dei sottobiettivi, consentendo un'allocazione scalabile dello sforzo di ricerca con un overhead ridotto. Il lavoro supera i limiti della generazione esplicita di sottobiettivi in problemi deterministici complessi con agente singolo.
Fatti principali
- arXiv:2605.30664v1
- Tipo di annuncio: nuovo
- Abstract: La ricerca su alberi di policy basata su sottobiettivi utilizza una policy per guidare la ricerca
- Efficace per problemi deterministici complessi con agente singolo
- Spesso si basa sulla generazione esplicita di sottobiettivi che comporta un overhead sostanziale
- Supera le limitazioni utilizzando un rerooter appreso tramite l'algoritmo √LTS
- Il rerooter scompone implicitamente il problema in sotto-compiti soft
- Lavori precedenti si concentravano su garanzie formali per rerooter dati o progettati a mano
- Propone tre progetti di rerooter: basato su clustering, basato su euristiche, ibrido
- Il rerooter basato su clustering sfrutta la struttura globale dello spazio degli stati
- Il rerooter basato su euristiche utilizza stime apprese del costo residuo
- L'ibrido combina entrambi i segnali
- Il framework evita la ricostruzione esplicita e il ragionamento sui sottobiettivi generati
- Consente un'allocazione scalabile dello sforzo di ricerca con un overhead significativamente ridotto
Entità
Istituzioni
- arXiv