Отправитель
Знает текущий бинарный факт, недоступный получателю. Выбирает символ 0 или 1, платит за передачу «1» и получает отложенное вознаграждение только за успешное распознавание.
Два агента получают разную информацию и отдельные вознаграждения. Никто не видит параметры другого. Они постепенно изменяют свои вероятности действий — и эксперимент проверяет, возникает ли согласованная бинарная конвенция без общего алгоритма подбора стратегии.
Знает текущий бинарный факт, недоступный получателю. Выбирает символ 0 или 1, платит за передачу «1» и получает отложенное вознаграждение только за успешное распознавание.
Не знает исходный факт. Видит только сигнал предыдущего такта. Самостоятельно выбирает интерпретацию, получает отдельный результат и изменяет исключительно собственную политику.
Пример одной обучающей пары. Кривая показывает стохастическую точность по эпохам — она не обязана монотонно возрастать.
Обе стороны могут научиться согласованному коду, но выбрать разные конвенции: символ «1» может означать «0» или «1».
| КОНВЕНЦИЯ | КОЛИЧЕСТВО ПАР | ДОЛЯ |
|---|---|---|
| Нет результатов | — | — |
Перестановка партнёров — ключевой контроль отсутствия общего заранее заданного языка.
Ни одна пара не получает готовый словарь и не проходит общий перебор 16 вариантов. Каждому агенту выдаётся только собственное наблюдение и собственная скалярная награда. Политики обновляются локально. Оценивание проводится на независимых начальных условиях и включает три контрольных вмешательства.