主動推論

深度分析

主動推論中的期望自由能與雙重熵校正：變分自由能拆解與訊息傳遞實作

本研究針對主動推論中期望自由能，提出結合規劃校正與認知校正的熵校正方法。實驗於三種格子世界顯示，規劃校正在決定性觀測下即提升效能，觀測側的認知校正在資訊模糊時效果顯著。此外，本文比較此方案與傳統強化學習的價值函數及其他規劃即推論模型，指出在高不確定性環境中熵校正可提供更穩健的策略探索。