CausalXRL 提出基于因果图推理的可解释强化学习框架

Yanming Zhang、Eric Papenhausen 和 Klaus Mueller 提出 CausalXRL，通过因果图推理为强化学习智能体的决策提供透明、结构化的多层级解释，帮助理解智能体为何采取特定策略。 研究通过基准强化学习环境的定量评估和 MicroRTS 实时策略游戏中的专家研究验证框架。定量结果显示，CausalXRL 能够提供忠实解释并高效学习因果结构；专家研究则表明，参与者认为该框架有助于检查实时策略游戏中的高层策略。

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。