fly51fly (@fly51fly)

[논문] "TQL: Scaling Q-Functions with Transformers by Preventing Attention Collapse"라는 2026년 arXiv 논문이 공개되었습니다(저자: P Dong, K Hung, A Swerdlow, D Sadigh 등). 이 연구는 트랜스포머를 활용한 Q-함수 확장(강화학습 맥락)에서 '어텐션 붕괴'를 방지하는 방법(TQL)을 제안합니다. Stanford 소속 연구입니다.

https://x.com/fly51fly/status/2018805453007069545

#transformers #qlearning #attention #arxiv #tql

[AI ⊂ TM] Машина Тьюринга и искусственный интеллект

Почему машина Тьюринга ( TM ) сегодня в теме про искусственный интеллект ( AI ) ? Ведь AI сегодня это все больше про машинное обучение ( ML ), искусственные нейронные сети ( ANN ), LLM, вычисления на CUDA и т. п. Причина в том, что никакой AI, с точки зрения математики, не превосходит по возможностям TM.

https://habr.com/ru/articles/982124/

#Turing_machine #машина_тьюринга #генетическое_программирование #генетические_алгоритмы #qlearning #reinforcementlearning #reinforecement_learning #нейронная_сеть #neural_network

Reinforcement Learning: Model-free & Deep RL

Продолжаю погружаться в Reinforcement Learning. Здесь продолжение статьи Intro Reinforcement Learning . Если предыдущая часть помогла вам понять, что такое среда, агент, награды и функции ценности, то здесь мы сделаем шаг дальше: мы переходим к model-free алгоритмам и Deep Reinforcement Learning , где агент учится оптимальной стратегии, не имея прямого доступа к модели среды.

https://habr.com/ru/articles/956890/

#Modelfree_RL #dql #sarsa #qlearning #rl #reinforcementlearning #reinforecement_learning #bellman_equation

Q-learning is not yet scalable

https://seohong.me/blog/q-learning-is-not-yet-scalable/

#HackerNews #Qlearning #Scalability #AI #Research #MachineLearning #TechNews

Обыгрываем казино, с блэкджеком и стратегиями

В данной статье рассмотрим работу с библиотекой gymnasium для изучения машинного обучения с подкреплением. Реализуем агента, который использует метод машинного обучения q-learning для максимизации выигрыша в карточной игре blackjack. Сравним средний выигрыш за 100000 игр при различных реализациях игры blackjack.

https://habr.com/ru/articles/917924/

#rl #blackjack #ml #python #qlearning

Как я открыл WebSocket для Сомников из Чёрного Зеркала, а они начали водить хороводы

С приходом популярности генеративных нейросетей, другие виды искусственного интеллекта тоже получили своё место под солнцем. Однако, ещё до этого уже существовали проекты, где искусственный интеллект играет в различные игры, получает очки за достижение целей и обучается на основе своих результатов. При этом, у каждого игрового ИИ есть свой массив доступных ему действий, который может быть постоянным или изменяемым согласно правилам. Я решил собрать небольшой проект, описать механизм взаимодействия ИИ с игровым пространством, а уже потом наполнить игру правилами и смыслом.

https://habr.com/ru/articles/912934/

#искусственный_интеллект #java #html #javascript #webflux #spring #qlearning #gamedev #черное_зеркало

Нейронные оптимизаторы запросов в реляционных БД (Часть 1)

В 1970-х годах известный программист Эдгар Кодд разработал математически выверенную теорию организации данных в виде таблиц (реляций). С тех пор утекло немало воды — появилось большое количество различных коммерческих и open-source реляционных систем управления базами данных (РСУБД). Скоро стало понятно, что эффективное получение данных из базы — задача далеко не тривиальная. Если говорить прямо, она нелинейная и в общем случае NP-сложная. Когда SQL-запрос становится немного сложнее: SELECT * FROM table , у нас появляется огромная вариативность его исполнения внутри системы — и не всегда понятно, какой из возможных вариантов эффективнее как по памяти, так и по скорости. Чтобы сократить огромное количество вариантов до приемлемого, обычно используются так называемые эвристики — эмпирические правила, которые придуманы человеком для сокращения пространства поиска на несколько порядков. Понятное дело, эти правила могут отсечь и сам оптимальный план выполнения запроса, но позволяют получить хоть что-то приемлемое за адекватное время. В последние годы в связи с активным развитием ML начали развиваться и нейронные оптимизаторы запросов —особенность которых в том, что они самостоятельно, без участия человека, находят необходимые закономерности в выполнении сложных планов исходя из обучения на огромном количестве данных. Тенденция началась приблизительно в 2017 году и продолжается до сих пор. Давайте посмотрим, что уже появилось в этой области в хронологическом порядке и какие перспективы нас ждут.

https://habr.com/ru/companies/postgrespro/articles/841918/

#postgresql #Оптимизация #оптимизация_запросов #reinforcementlearning #машинное_обучение #нейросети #qlearning #deep_qlearning #оптимизация_плана #субд

#PostSapiens #artificialintelligence #codeQ #chatgpt #Qlearning #AlgorithmeA #doubleprocessus #AGI #GPT5

#OpenAI veut déjà révolutionner l’#IA : qu’est-ce que le projet #Strawberry ?
https://www.blogdumoderateur.com/openai-veut-revolutionner-ia-projet-strawberry/