В изследването на Ронг Хъ е предложен модел, който показва каква част от резултатите на агентите от по-ниските нива стига до крайния агент. Моделът описва разделянето на задача като дърво: агент, получил b резултата, запазва всеки с вероятност r(b).
При r(b)=1/b всяко дърво предава на крайния агент точно един резултат независимо от размера на задачата и формата на дървото. В модела r(b)=Cb^−δ плоската схема дава най-голям брой резултати.
Дълбочината намалява обема данни в контекста на крайния агент от N до N^(1/k). При еднакви разходи двустепенната схема започва да изпреварва плоската при 403 резултата.
Проверка на твърденията:
- Ронг Хъ предлага в изследване модел, който показва каква част от резултатите на агентите от по-ниските нива стига до крайния агент. (потвърдено от самата публикация: доказателство; «Authors: Rong He»)
- Моделът представя разделянето на задача като дърво, в което агент, получил b резултата, запазва всеки с вероятност r(b). (потвърдено от самата публикация: доказателство; «Model a decomposition as a tree in which an agent handed $b$ items keeps any one with probability $r(b)$.»)
- При r(b)=1/b всяко дърво предава на крайния агент точно един резултат независимо от размера на задачата и формата на дървото. (потвърдено от самата публикация: доказателство; «If $r(b)=1/b$, every tree delivers exactly one finding, for every task size and every shape»)
- В модела r(b)=Cb^−δ плоската схема дава най-голям брой резултати. (потвърдено от самата публикация: доказателство; «so flat is optimal for yield»)
- Дълбочината намалява обема данни в контекста на крайния агент от N до N^(1/k). (потвърдено от самата публикация: доказателство; «depth cuts its exposure from $N$ items to $N^{1/k}$»)
- При еднакви разходи двустепенната схема започва да изпреварва плоската при 403 резултата. (потвърдено от самата публикация: доказателство; «at equal spend two tiers overtake flat at 403 findings»)
Първоизточници:
оценка 78,1 от 100 · вид: изследване