الملخص
تمت ترجمة أجزاء من هذه الصفحة آلياً وقد تحتوي على أخطاء.
تعتمد التعلم المتعدد المهام خارج الإنترنت بشكل كبير على جودة وتوزيع البيانات التي تم جمعها مسبقاً. ومع ذلك، فإن الطرق الحالية تركز بشكل رئيسي على التحسين الخوارزمي، مع التركيز الأقل على تحسين مستوى البيانات لتحسين قدرة التعلم وأداء التعميم. هذه الورقة، من وجهة نظر البيانات، تكشف عن ثلاث عوارض زجاجة رئيسية تحد من أداء MTRL غير متصل: ((i) الاستفادة غير الفعالة من طول الإرشادات في ظل تعقيدات المهام المختلفة، و (ii) عدم الصلة الدلالية للقطاعات الإرشادية التي تم اختبارها عشوائيًا، و (iii) الإشراف الخاطئ الناجم عن مسارات مزقتة وغير مستمرة. لمواجهة هذه التحديات، نقترح DaCe-DT، وهي إطار متكافئ غير متصل بالإنترنت مصمم لتكون غير حساسة من تعقيدات المهام المتعددة وجودة البيانات، وتتميز بـ LGPM (Length-gated prompt masking)، والبناء السريع المعزز على الاسترداد (RAPC)، وتصفية العودة القيمة المناسبة (VARC). معًا، تمكن هذه الآليات DaCe-DT من توفير التكيف السريع المتمركز على البيانات وتحسين المسار، مما يؤدي إلى تعميم قوي متعدد المهام والتعلم المستقر للسياسات وسط بيانات ومهمات غير متجانسة خارج الإنترنت. تظهر النتائج التجريبية على Meta-World أن DaCe-DT تتفوق باستمرار على أحدث الأساليب، حيث تحقق تحسنًا متوسطًا بنسبة 11.73% في مجموعات البيانات المثلى وتحسينًا بنسب 13.34% في مجموعات بيانات غير المثلى، مما يوضح فعاليتها في التعلم المستقر من البيانات غير الكاملة وتحسين أداء المهام المتعددة بشكل عام.
الكلمات المفتاحية
الموضوع
بيانات النشر
- المجلة
- غير متاح
- وصول مفتوح
- وصول مفتوح أخضر
اقتبس هذه المقالة
APA 7
Wang, X., Pang, S., Zhang, C., Wang, S., Ji, W., Gui, H., Han, M., & Liao, X. (2026). DaCe-DT: تعليم تعزيز المهام المتعددة عبر البيانات المحورية خارج الإنترنت من خلال الطلبات التكيفية وتصحيح المسار للمهمات المتنوعة. https://omanscience.com/ar/articles/dace-dt-data-centric-offline-multi-task-reinforcement-learning-via-adaptive-prompts-and-trajectory-correction-for-heterogeneous-tasks
MLA 9
Wang, Xinfei, et al. "DaCe-DT: تعليم تعزيز المهام المتعددة عبر البيانات المحورية خارج الإنترنت من خلال الطلبات التكيفية وتصحيح المسار للمهمات المتنوعة." https://omanscience.com/ar/articles/dace-dt-data-centric-offline-multi-task-reinforcement-learning-via-adaptive-prompts-and-trajectory-correction-for-heterogeneous-tasks.
شيكاغو (المؤلف–التاريخ)
Wang, Xinfei, Shanchen Pang, Chenhao Zhang, Shudong Wang, Wenhao Ji, Haiyuan Gui, Meng Han, and Xiaojian Liao. 2026. "DaCe-DT: تعليم تعزيز المهام المتعددة عبر البيانات المحورية خارج الإنترنت من خلال الطلبات التكيفية وتصحيح المسار للمهمات المتنوعة." https://omanscience.com/ar/articles/dace-dt-data-centric-offline-multi-task-reinforcement-learning-via-adaptive-prompts-and-trajectory-correction-for-heterogeneous-tasks.
هارفارد
Wang, X., Pang, S., Zhang, C., Wang, S., Ji, W., Gui, H., Han, M. and Liao, X. (2026) 'DaCe-DT: تعليم تعزيز المهام المتعددة عبر البيانات المحورية خارج الإنترنت من خلال الطلبات التكيفية وتصحيح المسار للمهمات المتنوعة', Available at: https://omanscience.com/ar/articles/dace-dt-data-centric-offline-multi-task-reinforcement-learning-via-adaptive-prompts-and-trajectory-correction-for-heterogeneous-tasks.
فانكوفر
Wang X, Pang S, Zhang C, Wang S, Ji W, Gui H, et al. DaCe-DT: تعليم تعزيز المهام المتعددة عبر البيانات المحورية خارج الإنترنت من خلال الطلبات التكيفية وتصحيح المسار للمهمات المتنوعة. https://omanscience.com/ar/articles/dace-dt-data-centric-offline-multi-task-reinforcement-learning-via-adaptive-prompts-and-trajectory-correction-for-heterogeneous-tasks
IEEE
X. Wang, S. Pang, C. Zhang, S. Wang, W. Ji, H. Gui, M. Han, and X. Liao, "DaCe-DT: تعليم تعزيز المهام المتعددة عبر البيانات المحورية خارج الإنترنت من خلال الطلبات التكيفية وتصحيح المسار للمهمات المتنوعة," https://omanscience.com/ar/articles/dace-dt-data-centric-offline-multi-task-reinforcement-learning-via-adaptive-prompts-and-trajectory-correction-for-heterogeneous-tasks.