NVIDIA AlphaNIST: Возникновение навыков сборки из бинарных наград

Исследователи NVIDIA представили AlphaNIST — подход, демонстрирующий возникновение сложных навыков сборки объектов на основе исключительно бинарных наград за выполнение задачи. Работа исследует, как агенты могут обучаться последовательным действиям без тонкой настройки промежуточных штрафов.