arXiv · ML· Huancheng Chen, Xiaodi Sun, Zhaoqiong Huang, Michelle Chang, Jingwen Lu·· 1 天前AI 评分30
TalentRL: 面向分层技能路由的策略引导强化学习
TalentRL: Strategy-Guided Reinforcement Learning for Hierarchical Skill Routing
AI 导读
TalentRL 提出一种策略引导强化学习框架，实现基于程序记忆的分层技能路由，在 ALFWorld 和 WebShop 基准上取得最高成功率 99.3% 和得分 90.7。
来源：arXiv · ML · arxiv.org