Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakRI: SMALL: Improved Learning in Partially Observable Reinforcement Learning with Attention-Based Models
Proyek riset & pengembangan

RI: SMALL: Improved Learning in Partially Observable Reinforcement Learning with Attention-Based Models

Ringkasan tujuan riset

Model berbasis perhatian dikembangkan untuk pembelajaran penguatan dengan observasi parsial agar agen dapat memilih informasi sejarah yang relevan bagi keputusan jangka panjang.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2409351Periode tercatat 2024-08-15 sampai 2027-07-31.NSF 2409351MulaiAkhir tercatat202420282024-08-152027-07-31
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Metode actor-critic tanpa model menargetkan efisiensi komputasi, sejarah invarian permutasi dan masukan visual berdimensi tinggi. Pendekatan berbasis model menambahkan tugas terawasi, dinamika serta perencanaan untuk eksplorasi lebih hemat sampel. Riset juga memformalkan pembelajaran multitugas dan pengondisian tujuan dalam POMDP, dengan pralatih lintas domain. Evaluasi akan menjelaskan peran perhatian ketika keadaan dunia tidak seluruhnya teramati, bukan mengasumsikan kemampuan transformer teks langsung berlaku.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
Northeastern University
Program
Robust Intelligence
Periode pendanaan tercatat
2024-08-15 → 2027-07-31

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Computer and Information Science and Engineering
  • Computing & AI Foundations

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.