arXiv · AI· V\'ictor Gallego·· 3 天前AI 评分30
Craftax 中程序策略与目标编译器的 LLM 连续引导进化
Continuation-Guided LLM Evolution of Program Policies and Goal Compilers in Craftax
AI 导读
该框架通过反馈级联优化 Craftax 策略,将最终关卡到达率从 <1% 提升至 50%。 优化策略被分解为环境解释器 $I$ 与规则程序 $p_0$,生成的目标编译器 $C_{\theta}$ 能将短任务零样本迁移至长任务。 该方法无需推理时 LLM 调用即可实现策略复用,显著提升长 horizon 任务效率。
来源:arXiv · AI · arxiv.org