【Applied Energy最新原创论文】基于MAAC深度强化学习的含多微网的配电网有功-无功协同优化方法
文章概要：
1. 构建了一种面向多微网群运行优化的强化学习优化模型，多智能体协同使得连续和离散的有功/无功能够微优化。
. 提出引入注意力机制的多智能体强化学习算法（Multi-Actor-Attention-Critic，MAAC）以解决高维下智能体因维数爆炸导致的收敛性问题。
3. 将迁移学习嵌入到多智能体深度强化训练过程改善多智能体模型在电网运行工况变化场景下的训练性能。
4. 提出基于数据驱动的多微网-配电网有功-无功协调优化方法，采用多智能体深度强化学习以保护各主体隐私实现分布式优化，并通过引入注意力机制有效解决了智能体维数爆炸导致的模型收敛缓慢的问题。
5. 构建了离散动作变量和连续动作变量两种多智能体，通过交互连续和离散的/无功设备能够参与协调优化，抑制电压越限的同时，提高了效率。
6. 为改善模型在电网运行工况变化场景下的训练性能学习被嵌入多智能强化训练过程，极大提高了智能体的训练以支撑应用
7. 对改进IEEE 33节点系统开展算例分析，结果验证了本文所提模型和方法的有效性。
阅读原文
. 提出引入注意力机制的多智能体强化学习算法（Multi-Actor-Attention-Critic，MAAC）以解决高维下智能体因维数爆炸导致的收敛性问题。
3. 将迁移学习嵌入到多智能体深度强化训练过程改善多智能体模型在电网运行工况变化场景下的训练性能。
4. 提出基于数据驱动的多微网-配电网有功-无功协调优化方法，采用多智能体深度强化学习以保护各主体隐私实现分布式优化，并通过引入注意力机制有效解决了智能体维数爆炸导致的模型收敛缓慢的问题。
5. 构建了离散动作变量和连续动作变量两种多智能体，通过交互连续和离散的/无功设备能够参与协调优化，抑制电压越限的同时，提高了效率。
6. 为改善模型在电网运行工况变化场景下的训练性能学习被嵌入多智能强化训练过程，极大提高了智能体的训练以支撑应用
7. 对改进IEEE 33节点系统开展算例分析，结果验证了本文所提模型和方法的有效性。
强化学习让大模型自动纠错，数学、编程性能暴涨，DeepMind新作
文章概要：
1. MLNLP社区是国内外知名的机器学习与自然语言处理社区。
2. 自我纠正是大语言模型非常重要的能力，但人们发现这种能力在现代LLM中基本上很少存在。
3. Google DeepMind的研究者开发了一种无需上述任何要求即可有效进行自我纠正的方法，即通过强化学习进行自我纠正（SCoRe，Self-Correction via Reinforcement Learning)，只需训练一个模型，该模型可以对推理问题做出响应，也可以纠正错误，尽管没有收到任何oracle反馈。br>4. SCoRe通过在自生成数据上进行训练来教模型具备这种能力，而无需任何oracle。<>5. SCoRe将标准单轮强化学习（公式2）扩展到Zhou等人提出的框架下的多轮设置。
6. SCoRe分为两个阶段，这两个阶段都是通过适当初始化模型和控制后续RL使模型偏向学习自我纠正。
7. 该研究进行了实验，来验证SCoRe在教LLM具备自我纠正能力方面的有效性，并通过消融实验探索了SCoRe的每个组件的影响。
阅读原文
2. 自我纠正是大语言模型非常重要的能力，但人们发现这种能力在现代LLM中基本上很少存在。
3. Google DeepMind的研究者开发了一种无需上述任何要求即可有效进行自我纠正的方法，即通过强化学习进行自我纠正（SCoRe，Self-Correction via Reinforcement Learning)，只需训练一个模型，该模型可以对推理问题做出响应，也可以纠正错误，尽管没有收到任何oracle反馈。br>4. SCoRe通过在自生成数据上进行训练来教模型具备这种能力，而无需任何oracle。<>5. SCoRe将标准单轮强化学习（公式2）扩展到Zhou等人提出的框架下的多轮设置。
6. SCoRe分为两个阶段，这两个阶段都是通过适当初始化模型和控制后续RL使模型偏向学习自我纠正。
7. 该研究进行了实验，来验证SCoRe在教LLM具备自我纠正能力方面的有效性，并通过消融实验探索了SCoRe的每个组件的影响。