Cooperative Exploration for Multi-Agent Deep Reinforcement Learning
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
探索对于深度强化学习的良好结果至关重要，并引起了广泛关注。然而，现有的多智能体深度强化学习算法仍然主要使用基于噪声的技术。最近，已经开发了考虑多个代理之间的合作的探索方法。然而，现有的方法遭受一个共同的挑战：代理人的斗争，以确定值得探索的状态，并很难协调对这些国家的探索努力。为了解决这个问题，在本文中，我们提出了合作多智能体探索（CMAE）：代理共享一个共同的目标，而探索。目标是从多个投影状态空间通过归一化熵为基础的技术。然后，训练代理以协调的方式实现这一目标。我们证明了CMAE在各种任务上的表现始终优于基线，包括稀疏奖励版本的多粒子环境（MPE）和星际争霸多智能体挑战（SMAC）。
2021-07-23 cs.AI
Language as a Cognitive Tool to Imagine Goals in Curiosity-Driven Exploration
Inria - Flowers team（法国国家信息与自动化研究所花朵团队）；Université de Bordeaux（波尔多大学）；Inserm U1093（法国国家健康与医学研究院U1093）；Cloud Temple（云庙）；Paris（巴黎）；ENSTA ParisTech（巴黎高等科技学院）；Université de Dijon（第戎大学）
发展性机器学习研究人工智能如何模拟儿童学习开放式技能的方式。这些代理人需要创建和代表目标，选择要追求的目标，并学习实现这些目标。最近的方法已经考虑了目标空间，这些目标空间要么是固定的，要么是手工定义的，要么是使用生成的状态模型学习的。这限制了代理在已知效应的分布内对目标进行采样。我们认为，想象分布外目标的能力是实现创造性发现和开放式学习的关键。儿童通过利用语言的组合性作为一种工具来想象他们以前从未经历过的结果的描述，并将其作为游戏中的目标。我们引入了IMAGINE，这是一种内在动机的深度强化学习架构，可以对这种能力进行建模。这种想象力的代理人，像孩子一样，受益于提供语言描述的社会同伴的指导。为了利用目标想象力，代理必须能够利用这些描述来解释他们想象的分布外目标。这种泛化是通过模块化实现的：学习的目标实现奖励函数和依赖于深集、门控注意力和以对象为中心的表示的策略之间的分解。我们介绍了游乐场环境，并研究这种形式的目标想象力如何提高泛化和探索缺乏这种能力的代理。此外，我们确定的属性，使这些结果的目标想象和研究模块化和社会互动的影响。
2020-10-21 cs.AI cs.CL cs.LG
Exploring More When It Needs in Deep Reinforcement Learning
Beijing Institute of Technology（北京理工大学）
提出了一种深度强化学习中的策略探索机制，即在Agent需要时进行更多的探索，称为“噪声加噪声”（Add Noise to Noise，AN 2N）。其核心思想是：当深度强化学习智能体处于历史表现不佳的状态时，它需要进行更多的探索。因此，我们使用累积奖励来评估智能体在过去的哪些状态下表现不佳，并使用余弦距离来衡量当前状态是否需要进一步探索。该方法表明，Agent策略的探索机制有利于有效探索。我们将提出的探索机制AN 2N与深度确定性策略梯度（DDPG）、软执行者-评论者（SAC）算法相结合，并将其应用于连续控制任务领域，如halfCheetah、Hopper和Swimmer，在性能和收敛速度上都取得了相当大的改善。
2021-09-28 cs.AI cs.LG
Exploring Unknown States with Action Balance
Fuxi AI Lab in Netease（网易伏羲人工智能实验室）
探索是强化学习中的一个关键问题。最近，基于奖金的方法在探索困难的环境中取得了相当大的成功，例如Montezuma的复仇，它分配额外的奖金（例如，内在奖励）来引导代理到很少访问的状态。由于奖金是根据执行动作后下一个状态的新颖性计算的，因此我们称这种方法为下一个状态奖金方法。然而，下一个状态奖励方法迫使智能体在探索已知状态时花费过多的注意力，而忽略了寻找未知状态，因为探索是由已经访问的下一个状态驱动的，这可能会减慢在某些环境中寻找奖励的速度。在本文中，我们专注于提高发现未知状态的有效性，并提出了动作平衡探索，它平衡了在给定状态下选择每个动作的频率，可以被视为置信上限（UCB）对深度强化学习的扩展。此外，我们提出了结合下一状态奖金方法（例如，随机网络蒸馏探索，RND）和我们的行动平衡探索，以利用双方。在网格世界和Atari游戏上的实验表明，动作平衡探索在发现未知状态方面具有更好的能力，并能分别提高RND在某些硬探索环境下的性能。
2020-09-01 cs.AI cs.LG
Helpful or Harmful? Exploring the Efficacy of Large Language Models for Online Grooming Prevention
University of Bristol（布里斯托尔大学）
本文评估了大型语言模型在网络诱骗预防中的效能，发现现有模型存在行为不一致和有害回答风险，并提出了改进建议与提示设计警示。
2024-03-14 cs.AI cs.CL cs.CR
Safely Exploring Novel Actions in Recommender Systems via Deployment-Efficient Policy Learning
针对推荐系统新动作探索的安全问题，提出Safe OPG方法及部署高效策略学习框架，通过安全边际与逐步放宽正则化，在保证安全的同时实现新动作探索。
2025-10-09 cs.AI
AgentPanel: Toward a New Paradigm for Human--AI Collaboration in Exploring Scientific Questions
研究人员探索科学问题时视角有限，本文提出人机协作多智能体论坛AgentPanel，其在多维度评估中表现优于基线，获多数用户认可，可用于早期科学探索。
2026-08-05 cs.AI
Improving Policy Gradient by Exploring Under-appreciated Rewards
Google Brain（谷歌大脑）；University of Alberta（阿尔伯塔大学）
针对无模型强化学习（RL）提出了一种新的策略梯度形式，并改进了其探索特性.当前基于策略的方法使用熵正则化来鼓励对奖励景观的无向探索，这在具有稀疏奖励的高维空间中是无效的。我们提出了一个更有针对性的探索策略，促进探索低估的奖励区域。如果一个动作序列在当前策略下的对数概率低估了它的回报，那么它就被认为是被低估了。所提出的探索策略易于实现，需要对REINFORCE算法的实现进行小的修改。我们评估了一组长期挑战RL方法的算法任务的方法。我们的方法降低了超参数的敏感性，并表现出显着的改进基线方法。我们的算法成功地解决了一个基准的多位数加法任务，并推广到长序列。据我们所知，这是第一次纯RL方法仅使用奖励反馈解决加法。
2017-03-15 cs.AI cs.LG
AlphaSchema: Exploring the Space of Trading Semantics for LLM-Based Alpha Mining
X-Tech；Monash University（莫纳什大学）；PandaAI（熊猫AI）；IIIS, Tsinghua University（清华大学智能产业研究院（IIIS））
AlphaSchema构建并探索结构化交易语义空间，通过解耦探索与实施、结合代理模型平衡探索与利用，在中国股市挖掘出强预测与投资组合表现的因子池，且对LLM选择具鲁棒性。
2026-07-30 cs.AI
First return, then explore
Uber AI；OpenAI
强化学习的承诺是通过仅指定高级奖励函数来自主地解决复杂的顺序决策问题。然而，强化学习算法在简单直观的奖励提供稀疏和欺骗性反馈时会遇到困难。避免这些陷阱需要彻底探索环境，但创建可以做到这一点的算法仍然是该领域的核心挑战之一。我们假设，有效探索的主要障碍来自算法忘记如何到达以前访问过的状态（“分离”），以及在探索之前未能首先返回到一个状态（“脱轨”）。我们介绍去探索，一个家庭的算法，直接通过明确记住有希望的状态，并在有意探索之前首先返回到这样的状态的简单原则来解决这两个挑战。Go-Explore解决了迄今为止所有未解决的Atari游戏，并超越了所有硬探索游戏的最新技术水平，对Montezuma的复仇和陷阱的大挑战进行了数量级的改进。我们还展示了实用的潜力去探索稀疏奖励拾取和放置机器人任务。此外，我们表明，添加一个目标条件的政策可以进一步提高去探索的探索效率，并使其能够处理整个训练的随机性。从Go-Explore中获得的大量性能收益表明，记住状态、返回状态并从中探索的简单原则是一种强大而通用的探索方法，这种见解可能对创建真正智能的学习代理至关重要。
2021-09-16 cs.AI
Exploring Novel Game Spaces with Fluidic Games
MetaMakers Institute；Falmouth University（法尔茅斯大学）
随着智能手机越来越多地融入我们的日常生活，以及它们越来越容易使用，手机游戏在所有人口统计中变得非常流行。人们听音乐，玩游戏或阅读新闻，而在运输或弥合差距的时间。虽然移动游戏越来越受欢迎，但移动创意表达仍处于早期阶段。我们在这里介绍一种新型的移动应用程序-流体游戏-并说明我们对其设计的迭代方法。这种新型应用程序将设计空间的探索无缝集成到玩游戏的实际用户体验中，旨在丰富用户体验。为了更好地说明游戏领域和我们的方法，我们讨论一个特定的流体游戏，这是一个商业产品。我们还简要讨论了开放的挑战，如玩家支持，以及生成技术如何帮助进一步探索游戏空间。
2018-03-04 cs.AI
Same Stories, Different Journeys: Exploring Persona-Grounded Conversational Agents for Supporting Career Exploration with Peers' Posts
Sun Yat-sen University（中山大学）
研究针对年轻求职者在社交媒体职业探索时被动浏览的问题，开发JobMate交互式系统，将真实帖子转化为对话式AI代理，通过对比研究发现其能引导社会比较转向建设性自我重构并促进意义建构，还探讨了相关AI系统设计启示。
2026-09-24 cs.AI cs.HC
SENSEI: Semantic Exploration Guided by Foundation Models to Learn Versatile World Models
Autonomous Learning, University of Tübingen（图宾根大学自主学习研究所）；Empirical Inference, Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；Neuro-Cognitive Modeling, University of Tübingen（图宾根大学神经认知建模研究所）；VISLab, University of Amsterdam（阿姆斯特丹大学视觉实验室）
SENSEI框架通过视觉语言模型标注提炼有趣性奖励，利用基于模型的强化学习训练探索策略，使智能体从图像观测和低级动作中发现语义有意义的行为。
2025-06-27 cs.AI
Growing from Exploration: A self-exploring framework for robots based on foundation models
Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）；University of Macau（澳门大学）；Ryerson University（瑞尔森大学）；Tsinghua-Berkeley Shenzhen Institute（清华-伯克利深圳学院）
本文提出基于基础模型的 GExp 自探索框架，通过自生成任务、知识库构建与闭环反馈，让机器人无人工干预地探索环境并习得技能。
2024-01-24 cs.AI cs.RO
Learning controllable dynamics through informative exploration
School of Science（科学与技术学院）；University of New England Australia（新英格兰大学澳大利亚分校）；Redwood Center for Theoretical Neuroscience（红木理论神经科学中心）；University of California at Berkeley USA（加州大学伯克利分校美国分校）
本文提出利用预测信息增益度量指导探索，结合强化学习学习可控动力学，并通过与短视方法比较验证其有效性。
2025-07-09 cs.AI cs.LG
PNS: Population-Guided Novelty Search for Reinforcement Learning in Hard Exploration Environments
Johns Hopkins University（约翰斯·霍普金斯大学）；Shanghai Jiao Tong University（上海交通大学）
强化学习（RL）已经取得了显著的成就，但仍然存在探索策略不足、奖励信号稀疏、奖励函数具有欺骗性等问题。为了缓解这些问题，人口引导新奇搜索（PNS）的并行学习方法，本文提出。在PNS中，种群被划分为多个子种群，每个子种群有一个主智能体和多个探索智能体。主代理评估通过探索代理学习的策略，并与所有子种群共享最优策略。探索代理学习他们的政策与最优政策的指导，同时，上传他们的政策，以首席代理。为了平衡探索和利用，每个首席代理都采用了新奇搜索（NS），以鼓励具有高新奇性的政策，同时最大限度地提高每集的性能。我们将PNS应用于双延迟深度确定性（TD 3）策略梯度算法。PNS的有效性，以促进探索和提高连续控制域的性能证明在实验部分。值得注意的是，PNS-TD 3在具有稀疏或延迟奖励信号的环境中实现了远远超过SOTA方法的奖励。我们还证明了PNS使机器人代理能够直接从像素学习控制策略，以便在模拟和现实环境中进行稀疏奖励操作。
2021-10-10 cs.AI cs.LG
Exploring the Edges of Latent State Clusters for Goal-Conditioned Reinforcement Learning
Rutgers University（罗格斯大学）
针对无监督目标条件强化学习中的探索难题，提出簇边缘探索算法，通过潜在空间聚类并优先选择可达边界目标，在多个机器人环境中显著提升探索效率。
2024-11-03 cs.AI cs.LG cs.RO
Exploring Scale-Measures of Data Sets
University of Kassel（卡塞尔大学）
测量是许多科学模型及其创建的基本组成部分。这对于数据驱动的科学来说尤其如此。由于现代数据集的高度复杂性和规模，有必要开发可理解和有效的缩放方法。规模数据的一个深刻的理论是规模措施，在形式概念分析领域的发展。最近的发展表明，一个给定的数据集的所有尺度措施的集合构成一个格，因此允许有效的探索算法。在这项工作中，我们研究的性质说，格，并提出了一种新的规模测量勘探算法，是众所周知的和证明属性勘探方法的基础上。我们的研究结果激励多个应用程序的规模推荐，最突出的（半）自动缩放。
2021-02-04 cs.AI cs.LG cs.LO
Exploration Unbound
Stanford University（斯坦福大学）
本文研究序贯决策中探索与利用的平衡，提出一个奖励无界且探索收益永不消失的典型环境，证明最优智能体将永远保持探索倾向。
2024-07-16 cs.AI cs.LG stat.ML
Exploring Restart Distributions
Imperial College London（帝国理工学院）；Mila（米拉研究所）；McGill University（麦吉尔大学）
我们认为使用经验记忆，以帮助探索适应重新启动分布的通用方法。也就是说，考虑到重置状态的能力与那些对应于代理的过去的观察，我们通过促进更快的状态空间覆盖，通过重新启动代理从一组更多样化的初始状态，以及允许它重新启动与重要的过去的经验相关联的状态，帮助探索。这种方法与策略内和策略外方法都兼容。然而，需要注意的是，当在受限的策略类别中搜索时，改变初始状态的分布可能会改变最优策略。为了减少这种不必要的学习偏差，我们在深度强化学习中评估了我们的方法，该方法受益于深度神经网络的高表示能力。我们实例化我们的方法的三个变体，每个变体的灵感来自于经验重放的背景下的一个想法。使用这些变体，我们表明，可以实现性能增益，特别是在硬勘探问题。
2020-08-18 cs.AI cs.LG stat.ML
An Analysis of the Value of Information when Exploring Stochastic, Discrete Multi-Armed Bandits
University of Florida（佛罗里达大学）
在本文中，我们提出了一个信息理论的探索策略，随机，离散的多武装土匪，实现最佳的遗憾。我们的战略是基于信息价值标准。这个标准衡量政策信息和可获得的奖励之间的权衡。大量的政策信息与空间的探索主导搜索相关联，并产生高回报。少量的政策信息有利于利用现有的知识。在这一标准中，信息是由一个参数量化的，这个参数在搜索过程中可以变化。我们证明了这个参数的模拟退火更新，具有足够快的冷却时间表，导致一个最佳的遗憾，这是对数相对于情节的数量。
2018-03-03 cs.AI cs.LG stat.ML
An Exploration And Validation of Visual Factors in Understanding Classification Rule Sets
New York University（纽约大学）
规则集通常用于机器学习（ML）中，作为在需要透明度和可理解性的设置中传达模型逻辑的一种方式。规则集通常以基于文本的逻辑语句（规则）列表的形式呈现。令人惊讶的是，到目前为止，在探索视觉替代方案来呈现规则方面的工作有限。在本文中，我们探讨了设计规则的替代表示的想法，专注于一些视觉因素，我们认为有一个积极的影响规则的可读性和理解。然后，我们提出了一个用户研究探索其影响。结果表明，一些设计因素对读者处理规则的效率有很大影响，而对准确性的影响最小。这项工作可以帮助从业者在使用规则作为理解ML模型的通信策略时采用更有效的解决方案。
2021-09-19 cs.AI cs.HC
Curious Exploration via Structured World Models Yields Zero-Shot Object Manipulation
Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）
设计人工智能体是一个长期的梦想，它可以通过内在动机有效地探索他们的环境，就像儿童如何进行好奇的自由游戏一样。尽管最近在内在动机的强化学习（RL）的进展，在对象操作场景中的样本有效的探索仍然是一个重大的挑战，因为大多数相关信息在于稀疏的代理对象和对象对象之间的相互作用。在本文中，我们建议使用结构化的世界模型，将关系归纳偏差的控制回路，以实现样本效率和丰富的互动组合多对象环境中的探索。通过在结构化世界模型中规划未来的新奇事物，我们的方法生成了自由游戏行为，这些行为在早期就开始与对象交互，并随着时间的推移发展出更复杂的行为。我们的方法不是像通常那样只使用模型来计算内在奖励，而是展示了良好模型和良好探索之间的自我强化循环也开辟了另一条途径：通过基于模型的规划对下游任务进行zero-shot推广。在完全内在的任务不可知的探索阶段之后，我们的方法解决了具有挑战性的下游任务，例如堆叠，翻转，拾取和放置，以及投掷，这些任务概括了看不见的数字和对象的排列，而无需任何额外的训练。
2022-11-26 cs.AI cs.LG cs.RO
Efficient Exploration via First-Person Behavior Cloning Assisted Rapidly-Exploring Random Trees
Georgia Institute of Technology（佐治亚理工学院）
现代计算机游戏具有极大的状态和动作空间。为了检测这些游戏模型中的错误，人类测试人员反复玩游戏以探索游戏并发现游戏中的错误。这样的游戏是详尽和耗时的。此外，由于机器人模拟器依赖于模型规范和调试的类似方法，因此在模型中发现错误的问题对机器人社区来说是感兴趣的，以确保机器人行为和交互在模拟器中是一致的。以前的方法使用了强化学习arXiv：2103.13798和基于搜索的方法（Chang，2019，（Chang，2021）arXiv：1811.06962），包括快速探索随机树（RRT）来探索游戏的状态-动作空间以找到错误。然而，这种基于搜索和探索的方法在没有预定义的启发式的情况下探索状态-动作空间时是无效的。在这项工作中，我们试图结合人类测试人员的专业知识，在解决游戏，和RRT的穷举搜索游戏的状态空间有效地与高覆盖率。本文介绍了克隆辅助RRT（CA-RRT），通过搜索测试一个游戏。我们将我们的方法与两个现有的基线进行比较：1）如arXiv：1812.03125所述的加权RRT; 2）如Chang et.我们发现CA-RRT适用于更多的游戏地图，并探索更多的游戏状态，在更少的树扩展/迭代时，与现有的基线相比。在每个测试中，CA-RRT在与加权RRT相同的迭代次数中平均达到更多的状态。在我们的测试环境中，CA-RRT达到与加权RRT相同数量的状态，平均迭代次数减少了5000多次，几乎减少了50…
2022-04-20 cs.AI cs.LG cs.RO
ParamExplorer: A framework for exploring parameters in generative art
LaBRI, University of Bordeaux（LaBRI，波尔多大学）
ParamExplorer是一个用于生成艺术中参数探索的交互式框架，通过人机协同或自动反馈引导参数空间探索，并评估了多种探索策略。
2025-12-19 cs.AI cs.HC cs.SE
SciDataSailor: Deep Scientific Data Exploring
该研究针对科学数据仓库交互难题，提出SciDataSailor框架，以带特定机制的MCTS实现轨迹合成，构建了微调模型与含千余任务的评估基准，推动LLM智能体的科学数据探索能力。
2026-07-31 cs.AI cs.CL
Safe Exploration in Finite Markov Decision Processes with Gaussian Processes
ETH Zurich（苏黎世联邦理工学院）
在经典的强化学习中，当探索环境时，智能体接受任意的短期损失以获得长期收益。这对于安全关键应用是不可行的，例如机器人，其中甚至单个不安全的动作都可能导致系统故障。在本文中，我们解决的问题，安全地探索有限马尔可夫决策过程（MDP）。我们定义安全的一个先验未知的，安全约束，取决于状态和行动。我们的目标是探索在此约束下的MDP，假设未知函数满足通过高斯过程先验表示的正则性条件。我们开发了一种新的算法，这项任务，并证明它是能够完全探索的安全可达部分的MDP不违反安全约束。为了实现这一目标，它谨慎地探索安全的状态和动作，以便从导航环境时收集的噪声观测中获得关于未访问的状态-动作对的安全性的统计置信度。此外，该算法在探索MDP时显式地考虑可达性，确保它不会陷入任何没有安全出路的状态。我们展示了我们的方法，数字地形模型的任务，探索一个未知的地图与漫游车。
2016-11-15 cs.AI cs.LG cs.RO
Graphy'our Data: Towards End-to-End Modeling, Exploring and Generating Report from Raw Data
Alibaba Group（阿里巴巴集团）；University of New South Wales（新南威尔士大学）
针对大型非结构化文档的渐进式调查难题，Graphy平台通过离线爬虫构建事实与维度节点图，结合在线调查器实现迭代探索和LLM驱动的报告生成，并在5万篇论文上验证了其文献综述能力。
2025-02-24 cs.AI cs.DB cs.HC
Exploring Multi-Temperature Strategies for Token- and Rollout-Level Control in RLVR
University of Notre Dame（诺丁汉大学）；ByteDance（字节跳动）
本文提出一种多温度采样策略，通过为高熵推理 token 设定高温、低熵知识 token 设定低温，在强化学习中显式促进探索并保持事实准确，显著提升了 LLMs 的推理性能。
2025-10-10 cs.AI cs.CL
Visualizing Rule Sets: Exploration and Validation of a Design Space
New York University（纽约大学）
规则集通常用于机器学习（ML）中，作为在需要透明度和可理解性的设置中传达模型逻辑的一种方式。规则集通常以基于文本的逻辑语句（规则）列表的形式呈现。令人惊讶的是，到目前为止，在探索视觉替代方案来呈现规则方面的工作有限。在本文中，我们探讨了设计规则的替代表示的想法，专注于一些视觉因素，我们认为有一个积极的影响规则的可读性和理解。本文提出了一个初始的设计空间可视化规则集和用户研究探索其影响。结果表明，一些设计因素对读者处理规则的效率有很大影响，而对准确性的影响最小。这项工作可以帮助从业者在使用规则作为理解ML模型的通信策略时采用更有效的解决方案。
2021-03-04 cs.AI cs.HC cs.LG
Exploring Text-to-Motion Generation with Human Preference
Tsinghua University（清华大学）；Beijing Jiaotong University（北京交通大学）；Shanghai AI Lab（上海人工智能实验室）
该研究探索文本生成动作领域的人类偏好学习，标注3528个MotionGPT生成的偏好对，明确偏好数据使用的关键设计选择，证明偏好学习可大幅提升生成模型性能并公开相关资源。
2024-04-15 cs.AI cs.CV cs.LG
Deep Bayesian Bandits: Exploring in Online Personalized Recommendations
University of California, San Diego（加利福尼亚大学圣迭戈分校）；Twitter（推特公司）
以连续学习方式训练的推荐系统受到反馈回路问题的困扰，也称为算法偏见。这会导致新训练的模型表现得更好，并倾向于用户已经参与的项目。这种行为在个性化广告推荐中尤其有害，因为它还可能导致新的广告系列尚未开发。探索旨在通过提供有关环境的新信息来解决这一限制，这些信息包括用户偏好，并可以带来更高的长期回报。在这项工作中，我们制定了一个显示广告推荐作为一个上下文的强盗和实现的探索技术，需要从后验分布的点击率在计算上易于处理的方式进行采样。传统的大规模深度学习模型默认不提供不确定性估计。我们近似这些不确定性测量的预测采用自举模型与多个头和辍学单位。我们在离线模拟环境中使用公开的用户广告参与数据集对一些不同的模型进行基准测试。我们在离线模拟和大规模生产流量的在线AB设置中测试了我们提出的深度贝叶斯强盗算法，在那里我们展示了我们的探索模型的积极收益。
2020-08-03 cs.AI cs.LG cs.NE
SMLP: Symbolic Machine Learning Prover
The University of Manchester（曼彻斯特大学）；Intel（英特尔公司）
SMLP是一个基于数据样本、结合统计与形式化方法的灰盒系统探索工具，已在英特尔用于模拟级硬件设计优化。
2024-02-02 cs.AI cs.LG cs.LO
