★ 2
PEARL：面向多轮智能体的过程经验感知强化学习
论文提出 PEARL，在无需额外评论家网络的情况下改进局部信用分配。方法通过定位同一历史两条不同结果轨迹的首次分歧，构建局部决策特征并在近期失败与成功记忆中聚类，识别反复出现的决策模式，从而选择性强化低回报决策的负优势。在 AppWorld 与 ALFWorld 上均优于基线，ALFWorld 4…
arXiv cs.AI19 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 PEARL，在无需额外评论家网络的情况下改进局部信用分配。方法通过定位同一历史两条不同结果轨迹的首次分歧，构建局部决策特征并在近期失败与成功记忆中聚类，识别反复出现的决策模式，从而选择性强化低回报决策的负优势。在 AppWorld 与 ALFWorld 上均优于基线，ALFWorld 4…