★ 3
论文揭示 LLM 智能体价值-策略分离现象
arXiv 论文研究 Qwen2.5-7B/32B-Instruct 与 GPT-OSS-20B 在 Grid 与 WebShop 环境中的动作价值计算，发现候选动作的相对价值可从隐藏状态线性解码，但策略仍可能选择较差动作，作者称之为「价值-策略分离」。研究提出 Natural Value Tra…
arXiv cs.AI5 小时前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
arXiv 论文研究 Qwen2.5-7B/32B-Instruct 与 GPT-OSS-20B 在 Grid 与 WebShop 环境中的动作价值计算，发现候选动作的相对价值可从隐藏状态线性解码，但策略仍可能选择较差动作，作者称之为「价值-策略分离」。研究提出 Natural Value Tra…