针对多链鲁棒平均奖励MDP的向量贝尔曼理论研究
该研究针对存在不确定性的长期性能优化问题，探讨了多链鲁棒平均奖励马尔可夫决策过程（MDP）。在此类问题中，最优长期奖励通常依赖于初始状态，需要建立兼顾递归类奖励和转移不确定性的向量贝尔曼理论。论文针对具有紧凑、动作后(s,a)-矩形模糊集的有限模型构建了该理论，提出了“增益优先、偏差第二”的优化原则，导出了耦合的向量增益-偏差系统，用于求解最优鲁棒增益。
DC AI 热点
全部 AI 动态
9月25日2026-09-25
9月24日2026-09-24
线性表征假说需引入群作用：基于表征等价性的理论审视
该研究针对可解释性与表征学习中的“线性表征假说”提出了理论层面的反思。作者指出，要让关于表征的结论跨越具体训练模型实现泛化，必须明确两个表征何时被视为等价。由于现有讨论普遍缺乏对等价性的明确定义，导致看似研究同一表征的指标、探测器和干预手段实际上可能对应着不同的假设。研究认为，线性表征假说并非单一假设，而是由不同表征等价性所区分的一个假说家族。
研究揭示Transformer注意力头数对序列有序性判断的表达能力界限
该研究探讨了Transformer架构在序列排序判断任务中的表达能力。论文证明，判断一个比特序列是否处于有序状态的任务无法由单头单层（1-head 1-layer）Transformer完成，但可以通过双头单层（2-head 1-layer）Transformer实现。与以往同类理论成果不同的是，该研究的结论建立在模型包含输出多层感知机（MLP）的架构设定之下。