11 月 18 日上传的预印本研究智能体面对多步任务时,怎样从稀疏的成功反馈中学习。训练初期从接近目标的状态出发,逐步把起点移到更早的阶段。
作者把抵达较容易完成任务的状态与随后完成任务分开反馈,并让模型逐渐尝试参考过程之外的状态。
论文在 ALFWorld 和 WebShop 进行对比,分别覆盖模拟家务和购物。作者报告了两种 Qwen2.5 模型大小下的任务完成情况。
配图为 GETAI.APP 使用 ImageGen 生成的主题插画。
GETAI EDITORIAL DISPATCH新闻报道
研究先训练智能体完成任务最后几步,再让它从更早状态出发,在两个模拟环境中评估。