arXiv 发布语言智能体动作与预测协同演化方法

研究者 Haofei Yu 等人在 arXiv 发布论文，提出一种让语言智能体在训练中同时学习行动与预测、二者协同演化的多步动作目标方法。 论文称，该方法针对训练中长程 rollout 成本高、仅靠终端标量奖励导致中间步骤监督未被利用的问题，让共享策略骨干在训练中同时学习行动与预测；推理时仍逐步行动，不增加额外开销。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。