GADAR论文提出经典规划跨域泛化策略
热点事件持续更新
GADAR论文提出经典规划跨域泛化策略
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Rajesh Mangannavar在arXiv发布论文，提出无需搜索的经典规划策略GADAR：以域描述为输入，可在训练中未见过的规划域上构造落地动作。 评测采用八基准域的leave-one-domain-out设置：单个GADAR策略在七个训练域上解决58.3%的测试实例，仅比专用单域模型低一个百分点；零样本时在全部八个域平均解决22.6%（随机选择为3.3%），并在未见过的Visitall域达到68%。
AI 根据报道生成 · 2 小时前更新
最新进展10月26日 13:30
GADAR：通过动作排序实现经典规划的跨域泛化报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv · cs.AIGADAR：通过动作排序实现经典规划的跨域泛化
GADAR（Generalizing Across Domains via Action Ranking）是一种无需搜索的策略，以域描述为输入，可在训练中未见过的经典规划域上构造落地动作。在八个基准域的 leave-one-domain-out 评测中，单个 GADAR 策略在七个训练域上解决 58.3% 的测试实例，仅比专用单域模型的 59.3% 低一个百分点；零样本时它在全部八个域上平均解决 22.6%，远高于随机选择的 3.3%，并在未见过的 Visitall 上达到 68%。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 510月27日 11:00
- 近 24 小时变化
- –
0246
11:0012:0013:00
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。