主动推理被表述为凸马尔可夫决策过程

Nikola Milosevic等作者提出，主动推理（AIF）的期望自由能（EFE）最小化，在闭环控制策略下可被表述为凸马尔可夫决策过程（MDP）。该结论以论文形式发表于 arXiv cs.AI。 作者称，这一视角表明，依赖策略的奖励预测误差是沿时间反向、而非沿层级向上传递 EFE 的自然梯度；将世界模型学习与策略优化耦合后，主动推理呈现出表演式强化学习的结构。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。