Два независимых обучаемых агента. Отправитель видит скрытое состояние, получатель — лишь сообщение. Каждый меняет свою политику только по собственному вознаграждению. Никакой заранее заданной точности отправителя.
Наблюдаемая накопленная успешность за 3200 контактов с локальным подкреплением. Ни один агент не получает чужие параметры.
Первичная разность разностей между обучением на настоящем и случайном канале.
Одинаковые задания, фактические отправленные символы и номинальные затраты для двух каналов. Отправитель и получатель не обучаются во время этой проверки.
| EVENT | TARGET | EMITTED | RECEIVED | GUESS | CORRECT | NOMINAL COST | TASK RNG |
|---|