" Когда забыть: корректируемый с учетом рисков контекст для долгого горозонного агента

arXiv: 261 020.22897v1 Annuales Type: кросс-бюллетени: Длинногоризонные агенты учатся на ошибках, но значение записи о неудачах может измениться по мере выполнения. Мы изучаем, когда сохранение, сжимание или удаление одного и того же исторического блока улучшает последующее исполнение по сравнению со всей историей KEEP. Мы введем РЕКАП, систему, которая сочетает совпадающие меры реагирования на контекстные ситуации, прогнозирование отношений между исполнением и независимой политикой. Сопоставимые экологические государства и семена для запуска измеряют успех и сохраняют различия в оперативных затратах; отношения между блоком неудач и текущим исполнением предлагают перспективные изменения. Затем независимые группы задач выбирают политику, в отношении которой применяются ограничения на вредное вмешательство и неполные выгоды в соответствии с протоколом фиксированного измерения. В пятисемянном продольном случае блок неисправности и его резюме остаются неизменными: сжатие не удается в раннем состоянии, а затем становится экономичным вмешательством. Через пять позвонков, RECA