arXiv · ML· Maryam Shoaeinaeini, Brent Harrison·· 3 天前AI 评分35
Skill-LR:基于LLM引导奖励公式化的分层强化学习框架
Skill-Latent Rewards: LLM-Guided Reward Formulation for Hierarchical Reinforcement Learning
AI 导读
研究人员提出分层强化学习框架 Skill-LR,利用视觉语言模型识别子目标,并通过 LLM 生成匹配的潜在奖励公式。 该框架基于两阶段提示过程,使奖励信号随分层计划演化,降低了时间方差并提升了样本效率。 在 MiniGrid 和 BabyAI 的多阶段基准测试中,Skill-LR 比 RUDDER 等基线收敛更快且更可靠。
来源:arXiv · ML · arxiv.org