arXiv · AI· Jiaxin Ge, Junyi Zhang, Tianning Chai, Hanjun Yoo, Chenyang Wang, Xiuyu Li, Weijia Shi, XuDong Wang, Sewon Min, Luke Zettlemoyer, Trevor Darrell, Haiwen Feng·· 12 小时前AI 评分30
Agima 训练框架让 Agent 在行动前想象后果
Train An Imaginative Agent
AI 导读
提出 Agima 训练框架，训练单一 omni model 通过想象动作后果来规划，解决 Sokoban 等环境中的不可逆动作问题。 在 SFT 阶段将策略与世界模型统一，在 RL 阶段学习利用想象进行规划。 在四格 Sokoban 任务中，Agima 解决率从 2% 提升至 40%，且无需在训练阶段见过更难的环境。
来源：arXiv · AI · arxiv.org