浙大与百度研究：决策较差的模型当“老师”可强化长程 Agent 策略

浙江大学与百度团队发现，执行能力较差的决策模型通过评判完整动作轨迹，可作为强化学习中的教师，提升长程 Agent 策略表现。研究比较了模型作为 Actor、Judge 和 Teacher 的作用，并在 ALFWorld 与 WebShop 任务中验证了成功率提升。