概念Neurosymbolic RL
神经符号强化学习
结合神经网络感知能力与符号系统推理能力的强化学习方法,通过可微逻辑规则将符号约束内化到策略训练中
时间轴 (近 90 天)
11月13日
一项研究提出了一种受PLPG启发的连续配置方法,使用重参数化蒙特卡洛采样估计动作满足投资授权的概率,并将其加入训练目标。
待验证50%
11月13日
在推理时没有事后强制执行机制拦截动作,合规性由智能体学习得到。
待验证50%
11月13日
新的连续动作神经符号方法将六规则制度条件授权的违规率从无约束RL的96-98%和奖励惩罚基线的33.4%降低到4.8%。
待验证50%
11月13日
该方法依赖于符号规则的可微表示,对于非常复杂的规则可能难以处理。
待验证50%
11月13日
实验是在模拟环境中进行的,实际市场中的规则可能更加动态和模糊。
待验证50%