Arxiv hàng ngày

Đây là trang tổng hợp các bài báo về trí tuệ nhân tạo được xuất bản trên toàn thế giới.
Trang này sử dụng Google Gemini để tóm tắt nội dung và hoạt động phi lợi nhuận.
Bản quyền của các bài báo thuộc về tác giả và tổ chức liên quan; khi chia sẻ, chỉ cần ghi rõ nguồn.

IPCGRL: Học tăng cường hướng dẫn bằng ngôn ngữ để tạo ra cấp độ thủ tục

Created by
  • Haebom

Tác giả

In-Chang Baek, Sung-Hyun Kim, Seo-Young Lee, Dong-Hyeon Kim, Kyung-Joong Kim

Phác thảo

Trong bài báo này, chúng tôi đề xuất IPCGRL, một phương pháp tạo nội dung thủ tục dựa trên hướng dẫn học tăng cường. IPCGRL nén hiệu quả các điều kiện ở cấp độ trò chơi bằng cách tích hợp các mô hình nhúng câu, và tinh chỉnh biểu diễn nhúng cho các tác vụ cụ thể. So với các phương pháp nhúng thông thường trên các tác vụ tạo cấp độ hai chiều, chúng tôi chứng minh rằng IPCGRL cải thiện khả năng điều khiển lên đến 21,4% và hiệu suất tổng quát hóa cho các hướng dẫn chưa biết lên đến 17,2%. Điều này cho phép một khuôn khổ tương tác tạo nội dung thủ tục linh hoạt và biểu cảm hơn bằng cách mở rộng phương thức nhập liệu có điều kiện.

Takeaways, Limitations

•
Takeaways:
◦
Chúng tôi trình bày một phương pháp mới để tạo nội dung thủ tục dựa trên lệnh.
◦
Nén hiệu quả các điều kiện ở cấp độ trò chơi bằng cách tận dụng các mô hình nhúng câu.
◦
Khả năng kiểm soát và hiệu suất tổng quát được cải thiện so với các phương pháp hiện có.
◦
Mở rộng phương thức nhập liệu có điều kiện để cung cấp khuôn khổ tương tác linh hoạt và biểu cảm hơn.
•
Limitations:
◦
Vì đánh giá chỉ được thực hiện trên nhiệm vụ tạo nội dung ở cấp độ hai chiều nên khả năng tổng quát hóa sang các loại nhiệm vụ tạo nội dung khác cần được nghiên cứu thêm.
◦
Hiệu suất của IPCGRL có thể bị ảnh hưởng bởi hiệu suất của mô hình nhúng câu được sử dụng.
◦
Cần phải đánh giá ứng dụng và hiệu suất trong môi trường trò chơi thực tế.
👍
Made with Slashpage