Windowed Interaction RL(WIRL)
強化学習の一種で、複数のやりとりを一定のまとまり(ウィンドウ)として扱う考え方。細かい一手ごとでなく、区切り単位で成果を結びつけやすくする。
たとえば: 1打ごとではなく、数ホールまとめてスコアを見て作戦を振り返るゴルフの反省会みたいなものです。
AIによる解説です。正確さは、別のAIで照合していますが、誤りが含まれる可能性があります。
この言葉が出てくる記事
- 長期の機械学習エンジニアリングを自律最適化するためのポストトレーニング手法とエージェントモデル「MLExpert」
長い実験手順の中から有効な学習信号を取り出すポストトレーニング手法を提案し、35BのMoEエージェントモデルMLExpertに適用した。MLE-Bench Liteで平均メダル率を37.9%から72.7%へ改善したと報告する。
