Память или часы? Проверка преимуществ памяти в XLand-MiniGrid с семенами, картами и оценкой шума

arXiv: 261 030,33816v 1 Annuales Type: новый резюме: При частично наблюдаемой задаче XLand-MiniGrid агент LSTM на 25 процентных пунктов превзошел MLP без памяти. Разрыв выглядит как явный случай воспоминаний. Мы задаем два вопроса. Во-первых, сколько из измеренного промежутка - шум? Разбивка семян, карт и оценок в 60 прогонах, каждый из которых был переоценен три раза, мы обнаружили, что около десяти пар семян обнаруживают 10-точечный разрыв в конечном итоге. Двоичный «задачный» вердикт — общее резюме кривых обучения — составляет 76% оценочного шума, и для этого же разрыва потребуется около 100 семян. Во-вторых, это брешь в памяти? На запечатанной панели новых карт, которая была открыта один раз, без памяти MLP размера LSTM находится в пределах 3,3 точек от LSTM, когда он получает временной шаг и не получает никакой ощутимой выгоды от его ширины без него. С временным шагом MLP в четверть размера LSTM, и LSTM со своим состоянием стерты на каждом шагу, также достигает примерно 5 очков. Линейный зонд означает t