理解、划分与征服：通过多智能体层次强化学习进行特征子空间探索

本研究解决了当前强化学习在处理复杂数据集时面临的特征选择效率低下问题。通过提出一种名为HRLFS的新方法，该方法结合了大型语言模型来提取特征的数学和语义特征，并基于这些信息构建层次智能体。实验证明，HRLFS在提高下游机器学习性能的同时，优化了计算时间，展现了良好的效率和可扩展性。

本研究提出HRLFS方法，利用大型语言模型提取特征，解决强化学习在复杂数据集中的特征选择效率低的问题，从而提升机器学习性能并优化计算时间。

HRLFS 多智能体 子空间 强化学习 机器学习 特征选择 计算时间
原文中文，约300字，阅读约需1分钟。发表于：。
阅读原文
分享给好友