arXiv · NLP· Xiao Yu, Baolin Peng, Ruize Xu, Yelong Shen, Pengcheng He, Suman Nath, Nikhil Singh, Jiangfeng Gao, Zhou Yu·· 17 天前AI 评分32
强化世界模型学习:提升 LLM 智能体的环境适应能力
Reinforcement World Model Learning for LLM-based Agents
AI 导读
提出自监督方法 RWML,利用仿真-真实差距奖励训练 LLM 智能体的动作条件世界模型,对齐内部模拟与真实环境状态。 在 ALFWorld 和 $\tau^2$ Bench 上,结合任务成功奖励后,RWML 分别比直接强化学习高出 6.9 和 5.7 分,无需专家数据或强 LLM 标注。
来源:arXiv · NLP · arxiv.org