יום ראשון, 4 באוקטובר 2026 LIVE
AI־INFO

כתבה arXiv cs.AI ·

עקרון המקסימום של כיסוי ואינפרנסיה פעילה

Belief-Based Maximum Occupancy Principle and Active Inference
במאמר זה, המחברים מציגים עקרון חדש להחלטיות ואינפרנסיה פעילה, המבוסס על תיאור תפיסתי של העולם. העקרון, הנקרא Maximum Occupancy Principle (MOP), מציע שאגנטים יפעלו כדי להגדיל את כיסוי העולם שלהם, כלומר, להגדיל את הסבירות שהם יכולים לגלות את העולם. המחברים מציגים גם פורמולציה של MOP, המאפשרת חישוב יעיל של הסבירות של העולם. המחברים גם מציגים תוצאות של ניסויים, המראים ש-MOP יכול להגיע לתוצאות טובות יותר מאשר Active Inference.
תקציר מקורי באנגליתarXiv:2609.39342v1 Announce Type: cross Abstract: Intrinsic motivation plays a central role in adaptive and goal-directed behavior by conferring agents reward-independent objectives and biases useful to act in noisy and uncertain environments. Active Inference addresses the problem of acting in a partially observable environment through a principled framework for belief updating and action selection. A key component of Active Inference is the specification of prior preferences, which shapes behavior by encoding desirable future outcomes. An intrinsic motivation approach called the Maximum Occupancy Principle (MOP) proposes that agents act so as to maximize occupancy over future paths of states and actions, with no preferences or epistemic targets. Despite its simple formulation, MOP gives
קרא במקור המקורי