决策中的生成模型：综述.pdf
本文是一篇关于决策制定中生成式模型的综述。它综述了生成式模型在决策制定中的应用，并提供了一个全面的视角，涵盖了模型、功能、应用和未来方向。
文章首先介绍了生成式模型在内容生成方面的崛起，以及在决策制定中面临的挑战，例如学习策略、生成新策略、适应各种环境和处理多步推理。然后，文章概述了决策制定的背景知识，包括顺序决策、模仿学习、基于搜索的方法、规划和优化，以及强化学习。
**分类框架：**
文章提出了一个用于分类当前生成式决策制定方法的分类框架，该框架包含以下几个维度：
* **家族（Family）：** 包括能量基模型（EBMs）、生成对抗网络（GANs）、变分自编码器（VAEs）、归一化流（NFs）、扩散模型（DMs）、生成流网络（GFlowNets/CFlowNets）和自回归模型（AMs）。
* **功能（Function）：** 将生成式模型在决策制定中的作用分为三个主要类别：控制器、建模器和优化器。
* **结构（Structure）：** 指生成式模型的基本结构。
* **专业领域（Expertise）：** 包括模仿学习、在线强化学习、离线强化学习、机器人学、生成和其他。
* **应用（Application）：** 涵盖机器人控制、自动驾驶、游戏、结构生成和优化。
**生成式模型在决策中的角色：**
* **控制器：** 生成式模型可以作为策略模型，通过建模高奖励轨迹或观察-动作对来指导决策过程。
* **建模器：** 生成式模型能够捕获数据集的潜在模式，生成与原始分布相似的新数据。
* **优化器：** 生成式模型可以探索高维空间，并通过迭代细化采样的候选方案来优化解决方案。
**生成的模型综述：**
文章详细综述了七种主要的生成式模型，分析了它们在样本质量、样本多样性和计算效率方面的优缺点。并以机器人控制、结构生成、游戏、自动驾驶和优化等五个典型应用为例，探讨了生成式模型在不同决策场景中的应用。
**未来方向：**
文章指出了未来生成式决策模型的三个关键发展方向：
* **高性能算法：** 重点关注提升算法的规模、效率和适应性。
* **大规模通用决策制定模型：** 构建能够处理复杂推理任务、整合多样知识，并在动态和不确定的环境中提供鲁棒解决方案的模型。
* **自演进和自适应生成模型：** 强调构建能够持续适应、实时学习并跨不同领域转移知识的模型。
总的来说，这篇综述为生成式模型在决策制定中的应用提供了一个全面的视角，为该领域的研究和发展提供了有价值的参考。
相关报告
-
1.75 MB 18页 视觉中的生成物理人工智能：综述.pdf
-
2.07 MB 158页 大型语言模型安全：全面综述.pdf
-
6.48 MB 86页 【论文推荐】基于大语言模型的智能体综述——复旦NLP -.pdf
-
11.42 MB 107页 大语言模型时代的AI4Science.pdf
-
2.58 MB 30页 全球科技行业周报：可灵AI全系模型进入2.0时代，关注算力相关反弹性机会.pdf
-
3.67 MB 31页 数字化转型成熟度模型与评估GBT43439-2023.pdf
-
13.71 MB 55页 大小模型端云协同赋能人机交互-浙江大学-202504.pdf
-
686.13 KB 27页 2025大型语言模型LLM安全风险案例与防御策略研究报告.pdf
-
6.16 MB 55页 2025大小模型端云协同赋能人机交互报告.pdf
-
10.07 MB 28页 塑造学习未来：人工智能在教育 4.0 中的作用.pdf
-
4.79 MB 55页 中国消费品和零售行业纵览2025：挖掘消费结构升级中的增长新机遇报告-德勤-202504.pdf
-
4.55 MB 32页 小红书种草ATOM方法论品牌社交效果增长模型.pdf
-
2.22 MB 36页 大语言模型越狱攻击 模型、根因及其攻防演化.pdf
-
6.99 MB 84页 2025年气候风险中的中国快递企业报告.pdf
-
3.25 MB 12页 2025年动态视频流世界中的客户情感分析.pdf
-
12.27 MB 102页 图解四部门《人工智能生成合成内容标识办法》及配套强制性国标与指南.pdf
-
8.69 MB 82页 超越Chatgpt的AI agent综述.pdf
-
313.54 KB 13页 用户偏爱LLM生成内容——直到发现是AI所为.pdf