跳转到正文
GETAI.APP
开发动态arXivGETAI.APP查看原文

研究发现不擅长执行的模型,也能教好智能体

完整轨迹让模型更善于事后评价,指定环境中可用于改善小模型策略训练。

国际象棋棋子主题插画

研究团队比较决策模型在长任务中的三种角色:自己选择动作、事后评价动作,以及为强化学习策略提供教学信号。结果显示,执行能力较弱并不必然意味着评价与教学能力同样弱。

在 ALFWorld 和 WebShop 上,JEV 作为教师改善了一个 Qwen2.5-1.5B 策略的成功率。论文指出,完整轨迹让评价者看到了执行时尚无法知道的后果,因此不能仅凭模型单独行动的成绩判断全部用途。

这是指定环境中的预印本实验,并非弱模型在任何训练任务中都可替代强模型。

来源:arXiv。

配图:GETAI.APP 原创主题插画,非新闻现场实拍或官方产品界面。

登录

每一次探索,都更进一步。

从这里,开启新的灵感。

还没有账号?