论文提出CB-Agent概念式上下文学习动作选择方法

Qingyue Zhang等作者发表论文，提出CB-Agent，把基于概念的上下文学习（concept-based ICL）扩展到顺序动作选择。该方法从专家轨迹中提取“环境-动作”决策，用最大似然拟合概念向量，建模在给定上下文下候选动作的条件分布。 据论文描述，推理时无需把演示放入动作评分的上下文中；论文标注代码已公开。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。