arXiv·· 13 天前AI 评分31
面向语言模型智能体的稳定时间抽象分层强化学习
Hierarchical Reinforcement Learning with Stable Temporal Abstraction for Language Model Agents
AI 导读
研究指出，显式分层本身并不决定语言模型智能体时间抽象的稳定性：学到的边界策略可能几乎每轮都替换子目标，使其实际变成瞬态，或在子目标已失效后仍予保留。该工作提出面向语言模型智能体的稳定时间抽象分层强化学习，围绕持久子目标组织原始动作并在多个时间尺度上分配信用。
来源：arXiv · arxiv.org