ترجمه فارسی مقاله نیاز به یک شبیه‌ساز دنیای بزرگ: چالشی علمی برای یادگیری مداوم

چکیده

The “small agent, big world” frame offers a conceptual view that motivates the need for continual learning. The idea is that a small agent operating in a much bigger world cannot store all information that the world has to offer. To perform well, the agent must be carefully designed to ingest, retain, and eject the right information. To enable the development of performant continual learning agents, a number of synthetic environments have been proposed. However, these benchmarks suffer from limitations, including unnatural distribution shifts and a lack of fidelity to the “small agent, big world” framing. This paper aims to formalize two desiderata for the design of future simulated environments. These two criteria aim to reflect the objectives and complexity of continual learning in practical settings while enabling rapid prototyping of algorithms on a smaller scale.

چکیده به فارسی (ترجمه ماشینی)

قاب “عامل کوچک ، دنیای بزرگ” یک دیدگاه مفهومی را ارائه می دهد که نیاز به یادگیری مداوم را ایجاد می کند.ایده این است که یک عامل کوچک که در دنیای بسیار بزرگتر فعالیت می کند ، نمی تواند تمام اطلاعاتی را که جهان ارائه می دهد ذخیره کند.برای عملکرد خوب ، عامل باید با دقت طراحی شود تا اطلاعات مناسب را در مصرف ، حفظ و بیرون کشیدن.برای فعال کردن توسعه عوامل یادگیری مداوم ، تعدادی از محیط های مصنوعی ارائه شده است.با این حال ، این معیارها از محدودیت ها رنج می برند ، از جمله تغییر توزیع غیر طبیعی و عدم وفاداری به قاب بندی “عامل کوچک ، دنیای بزرگ”.این مقاله با هدف رسمی سازی دو Desiderata برای طراحی محیط های شبیه سازی شده آینده انجام شده است.این دو معیار با هدف بازتاب اهداف و پیچیدگی یادگیری مداوم در تنظیمات عملی و در عین حال امکان نمونه سازی سریع الگوریتم ها در مقیاس کوچکتر است.