arXiv cs.AI / cs.LG 最新· Runchu Tian·· 15 小时前AI 评分51
MiRL 用错误定向强化学习纠正终端智能体错误行为
MiRL: Error-Targeted Reinforcement Learning for Correcting Terminal Agent Misbehaviors
AI 导读
MiRL 是一种面向终端智能体的错误定向强化学习训练方法，它先从策略中找出在多个环境反复出现的错误行为，再从这些错误步骤开始 rollout，只有通过测试且未重复该错误时才给奖励。
标题与摘要由 AI 辅助生成，事实与观点以原文为准。
来源：arXiv cs.AI / cs.LG 最新 · arxiv.org
本站标题、摘要与推荐理由由 AI 辅助生成；原文版权归来源所有。