★ 2
LaMA-DT：用大模型增强轨迹数据提升多任务离线强化学习
论文提出 LaMA-DT，用同一个 LLM 先按自然语言任务描述生成并筛选对齐的轨迹数据，再改造为语言条件 Decision Transformer 在真实与增强数据上微调。在 Meta-World 与 MuJoCo 多任务基准上稳定优于基线，低数据场景提升尤为明显。
arXiv NLP14 小时前
#Decision Transformer
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
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 LaMA-DT，用同一个 LLM 先按自然语言任务描述生成并筛选对齐的轨迹数据，再改造为语言条件 Decision Transformer 在真实与增强数据上微调。在 Meta-World 与 MuJoCo 多任务基准上稳定优于基线，低数据场景提升尤为明显。