用归纳逻辑程序设计解释强化学习智能体

论文将归纳逻辑程序设计（ILP）用于提取强化学习策略的符号表示，并提出激活率、特征覆盖率、句法距离和语义距离等面向规划的可解释性指标。作者称，这些指标可刻画动作特定的学习动态、特征作用，以及多智能体强化学习中的协作、专门化与适应模式，并分析策略迁移和泛化。