📈 ora in tendenza su alphaXiv "∆Belief-RL: Assegnazione di Credito Intrinseco per Interazioni a Lungo Termine" L'RL interattivo a lungo termine è brutale perché le ricompense sono scarse e non è chiaro quali domande o azioni specifiche abbiano effettivamente causato il successo, quindi gli agenti o non apprendono o apprendono euristiche fragili. Per migliorare questo, ∆Belief-RL trasforma la "curiosità" in un vero segnale di apprendimento a lungo termine premiando un agente ogni volta che un'interazione aumenta la sua convinzione nella risposta corretta, dove aumenta la probabilità del modello sul risultato corretto. Questo fornisce un'assegnazione di credito densa, passo dopo passo, per porre le domande giuste, in modo che gli agenti apprendano più rapidamente un comportamento efficace di ricerca di informazioni e generalizzino a orizzonti molto più lunghi + compiti reali come il servizio clienti e la personalizzazione con molte meno interazioni sprecate.