渐近最优代理
Asymptotically Optimal Agents
Australian National University（澳大利亚国立大学）；ETH Zürich（苏黎世联邦理工学院）
摘要：
通用人工智能旨在创造能够学习解决任意有趣问题的代理。我们定义了两个版本的渐近最优性，并证明了没有代理可以满足强版本，而在某些情况下，依赖于折扣，确实存在一个不可计算的弱渐近最优代理。
英文摘要：
Artificial general intelligence aims to create agents capable of learning to solve arbitrary interesting problems. We define two versions of asymptotic optimality and prove that no agent can satisfy the strong version while in some cases, depending on discounting, there does exist a non-computable weak asymptotically optimal agent.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
