跳到主要内容
检索

# 马尔可夫决策过程

4 篇关联报道

订阅更新
  1. arXiv

    多步智能体安全不再逐步各管一段：TAS用共享预算压住尾部风险，平均攻击成功率降到45.15%

    多步LLM智能体的风险会沿工作流传播，而逐步独立校验看不到这种传播。TAS把工作流安全状态建成马尔可夫决策过程，用谱风险度量刻画罕见但代价高的尾部风险，并以一个跨步骤共享的预算约束每一步决策。在Agent Security Bench上，TAS在直接与间接提示注入下的平均攻击成功率分别为45.15%和29.73%，低于所比较的十一种防御基线。

    National University of Defense Technology
    Shilong Pan（第一作者）
    尾风险感知智能体安全框架（TAS）智能体安全谱风险度量马尔可夫决策过程大语言模型智能体
  2. arXiv

    图像编辑智能体重试不再盲选模型：RetryRoute按失败历史规划，主预算下成功率平均高出最强基线2.8个百分点

    网页智能体在“评审—重试”循环里调用开放图像编辑模型，而一次失败后的重试成功率只有首次尝试的17%–53%，现有路由器却把重试当作独立抽样。RetryRoute按请求的失败历史估计每个模型下一次尝试的成功概率，在失败状态上规划重试、升级与放弃，并把实时排队等待计入成本。在八个评测组的主预算下，其循环内评审成功率平均高出十一个先前基线中最强者2.8个百分点；在三卡GPU服务测试台上，同一套设置使满足服务目标的编辑比例在每个负载下高出最佳先前基线5.0–6.3个百分点。

    Beijing Normal UniversityNanyang Technological UniversityBeijing Normal University, Zhuhai
    Hanshuai Cui（第一作者）
    RetryRoute 重试感知路由器智能体图像编辑模型路由马尔可夫决策过程
  3. arXiv

    数据中心选址一锁多年：多目标智能体让水、电、碳与可靠性在推理时重调

    AI 数据中心的选址、购电和制冷仍靠静态单点评分工具在开工当天一次性定下，而站点的水、电、碳状况会在十到二十年的资产寿命里漂移，承诺一旦做出又很难撤回。新做法把长周期建设写成带层级的马尔可夫决策过程：战略承诺只在离散窗口出现、带切换成本、要等依赖来源的交付周期才生效，运行调度只能动用已建成的容量，偏好条件化的多目标智能体一次给出一族策略，规划者可在推理时沿成本、碳、水和可靠性调整。真实站点数据上，不可逆、可逆与只承诺一次三种设定中，偏好条件化在两个目标组合上都给出可确认的权衡，把承诺设为不可逆后前沿覆盖更均匀。

    New York University
    Satyapragnya Kar（第一作者）
    马尔可夫决策过程人工智能数据中心反事实推演模型
  4. arXiv

    镜像IRS辅助混合RF/VLC网络：双智能体DRL联合优化选择、功率与镜面朝向，公平性指数保持0.93以上

    该工作面向室内IRS辅助混合RF/VLC下行网络，将RF/VLC技术选择、功率分配与IRS镜面滚转/偏航角朝向的联合比例公平最大化问题建模为MDP，采用集中训练分散执行的双智能体DRL求解：一个智能体负责选择与功率，另一个负责镜面朝向；仿真中该框架收敛到350 Mbps，接近穷举上界392 Mbps，优于DDPG与DQN，并在用户数增加时保持Jain公平性指数高于0.93。

    Ahrar N. Hamad（第一作者）
    IRS辅助的混合RF/VLC系统协作式多智能体深度强化学习智能反射面马尔可夫决策过程集中训练分散执行

已读完全部报道