Meta a publicat o nouă lucrare care identifică de ce învățarea prin consolidare eșuează adesea la optimizarea codului și oferă o metodă pentru a aborda aceste deficiențe. Lucrarea ar putea schimba modul în care este dezvoltat software-ul, făcând îmbunătățirea automată a codului mai fiabilă.
De ce învățarea prin consolidare întâmpină dificultăți cu codul
Învățarea prin consolidare, sau RL, a dat rezultate promițătoare în domenii precum jocurile și robotica. Dar când vine vorba de optimizarea codului — făcându-l să ruleze mai rapid sau să utilizeze mai puțină memorie — RL tinde să întâmpine un obstacol. Cercetătorii Meta explică faptul că problema constă în modul în care agenții RL explorează posibilele modificări ale codului. Spațiul de căutare este enorm, iar modificările mici pot avea efecte imprevizibile asupra performanței. Semnalele tradiționale de recompensă nu ofer
