Предположим, у нас есть задача регрессии, которую многие хотят решить, но информация распределена между агентами — разные агенты видят разные подмножества признаков. И агенты встроены в сеть (DAG). Когда один делает предсказания, их наблюдают его потомки.

Это также была часть увлекательного исследования, которое мы проводили одновременно о том, как интегрировать современные инструменты ИИ в процесс теоретической и экспериментальной науки. Мы тоже многому научились — в какой-то момент мы напишем об этом больше.

@LuJiuyao Глобально оптимальный линейный предсказатель не обязательно должен находиться в диапазоне локально оптимальных линейных предсказателей (когда признаки не независимы), поскольку относительное взвешивание признаков различается в каждом случае.

@LuJiuyao Красная линия между графиками показывает, что на самом деле происходит, когда вы запускаете это на образцах из обобщения этого экземпляра на 10 переменных. Цепочка - A1->A2->...->A10->A1->A2->...->A10->... и так далее, бесконечно по кругу. После каждого прохода вы получаете снижение ошибки, но она никогда не достигает 0.