弱模型担任教师可强化长程智能体
热点事件持续更新
弱模型担任教师可强化长程智能体
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
浙江大学与百度团队发现，执行能力较弱的决策模型若通过评判完整动作轨迹、充当强化学习教师，可提升长程智能体在 ALFWorld 和 WebShop 任务中的成功率。 研究比较了同一模型担任执行者、评判者和教师三种角色。结果显示，教师角色并非直接完成操作，而是评价完整动作过程，为强化学习中的策略训练提供指导。
AI 根据报道生成 · 3 小时前更新
最新进展11月13日 14:17
浙大与百度研究：决策较差的模型当“老师”可强化长程 Agent 策略报道时间线
沿着报道，了解事件的不同侧面。
11月13日
- AGI Hunt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。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月13日 15:00
- 近 24 小时变化
- –
02.557.510
15:0016:0017:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。