跳到正文
arXiv · AI· Richard Dewey, Janos Botyanszki, Ciamac C. Moallemi, Andrew T. Zheng·· 10 天前AI 评分33

Solly 在 Liar's Poker 中达到人类精英水平,RL 策略可指导 LLM 提升推理效率

Beyond Reasoning: RL-Policy Guided LLM Inference for Efficient Strategy in Liar's Poker

AI 导读

Solly 是首个在缩略版 Liar's Poker 中达到人类精英水平的 AI 智能体,胜率与筹码期望值均优于包括推理型 LLM 在内的多种模型。 Solly 采用基于深度强化学习的 Actor-Critic 算法通过自博弈训练,能制定新颖策略且不易被世界顶级人类玩家利用。 将 Solly 的 RL 策略作为特定领域推理指南提供给 LLM,能提升其表现并降低 Token 成本。

来源:arXiv · AI · arxiv.org