AlphaXiv запустила веб-симулятор алгоритмов машинного обучения

На сайте AlphaXiv появился ^[1] раздел RL Playground, в котором можно наглядно изучить работу алгоритмов машинного обучения ^[2]. Весь процесс показывают на примере обучения модели для прохождения лабиринта.

Пользователь может сам построить лабиринт, расставить в нём препятствия и участки, которые нельзя пересекать. После этого появится возможность запустить обучение и детальнее ознакомиться с математическими функциями, которые лежат в основе метода. 

На экране в реальном времени видно, как модель учится проходить лабиринт, какие делает ошибки ^[3] и как принимает решения. На графиках можно отслеживать прогресс и распределение вознаграждений.

Пока на платформе доступна визуализация только четырёх алгоритмов: Q-Learning, обучение с подкреплением ^[4], PPO и GRPO.