★ 2
对抗闭环课程：演化角色扮演智能体
论文指出角色扮演智能体的强化学习通常在固定场景池上训练，导致分布瓶颈。作者提出 AdvRole，一个对抗式上下文重写框架，将角色扮演强化学习变为闭环课程。Actor 学习角色扮演，Rewriter 将角色档案与对话上下文改写为针对 Actor 的困难场景，以性能差距奖励训练。在三个中英文基准及新发…
arXiv cs.AI38 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文指出角色扮演智能体的强化学习通常在固定场景池上训练，导致分布瓶颈。作者提出 AdvRole，一个对抗式上下文重写框架，将角色扮演强化学习变为闭环课程。Actor 学习角色扮演，Rewriter 将角色档案与对话上下文改写为针对 Actor 的困难场景，以性能差距奖励训练。在三个中英文基准及新发…