Тема «обучение с подкреплением»

Ученые Центра ИИ и Института искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ применили классические алгоритмы обучения с подкреплением для настройки генеративных потоковых сетей ( GFlowNets ). Это позволило улучшить работу  GFlowNets , которые применяются уже три года для решения сложнейших научных задач на этапах моделирования, генерации гипотез и экспериментального проектирования. Результаты работы вошли в 5% лучших публикаций на Международной конференции по искусственному интеллекту и статистике AISTATS, которая состоялась 2–4 мая 2024 года в Валенсии.

На Заседании регулярного научного семинара Института искусственного интеллекта AIRI Алексей Наумов, руководитель проекта «Обучение, понимание и оптимизация моделей ИИ» Центр ИИ НИУ ВШЭ, заведующий Международной лабораторией стохастических алгоритмов и анализа многомерных данных, и Даниил Тяпкин, стажер-исследователь Международной лаборатории стохастических алгоритмов и анализа многомерных данных НИУ ВШЭ, представили статью «From Dirichlet to Rubin: Optimistic Exploration in RL without Bonuses». Она удостоилась большого устного доклада на конференции ICML. Такую возможность получают только 2% исследователей, у которых приняли статьи.