预印本评估学习动力学模型闭环控制表现
热点事件持续更新
预印本评估学习动力学模型闭环控制表现
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Guoyang Shi 等作者发布预印本，评估学习动力学模型在托卡马克磁控制闭环中的表现：他们用校准的自由边界 Grad-Shafranov 求解器收集四组数据，训练16个动作条件 Transformer，并在5k替代模型上优化PPO策略后直接测试闭环。作者称，离线轨迹精度不一定能预测在学习模型中优化出的策略的闭环行为。 结果显示，仅联合覆盖的D4跨条件平均误差单调下降，D1在分布内改善但在分布外退化；用动作噪声训练的策略仅完成5/24个条件，标称训练完成19/24个。作者称这些结果基于每种配置一个训练策略、每个条件一次评估实现，支持把预测误差、回合完成情况、条件级持续时间和跟踪质量结合评估。
AI 根据报道生成 · 3 小时前更新
最新进展11月4日 13:00
从预测到反馈：评估学习动力学在托卡马克控制中的作用报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv · cs.AI从预测到反馈：评估学习动力学在托卡马克控制中的作用
研究用校准的自由边界 Grad-Shafranov 求解器收集四组数据集，训练16个动作条件 Transformer，并在5k替代模型上优化PPO策略后直接评估闭环表现。结果显示仅联合覆盖的D4跨条件平均误差单调下降，D1分布内改善但分布外退化；动作噪声训练的策略仅完成5/24条件，而标称训练完成19/24。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月4日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。