09:59
arXiv cs.AI@Shicheng Ye, Chao Yu
推荐理由：这篇论文提出了JERP，让LLM智能体边干活边总结经验规则，在AlfWorld和WebShop上效果明显。
全部 AI 动态
AI 相关资讯全量信息流
6月26日
09:59
JERP（Joint Learning of Experiential Rules and Policies）是一种让LLM智能体同时从交互轨迹中更新经验规则池和策略的方法。该方法在决策时检索任务相关规则，并结合交互历史指导行动；每轮结束后，利用轨迹对比参考成功案例来优化策略与修正规则池。在AlfWorld和WebShop两个基准测试上，JERP在复杂交互任务中持续提升了决策性能。这一耦合机制使规则池与演化策略保持同步，同时将稳定有效行为逐步吸收到模型参数中。
6月25日
09:44
09:44
arXiv cs.AI@Peng Xu, Sijia Chen, Junzhuo Li, Xuming Hu
推荐理由：这篇论文解决了强化学习给LLM智能体分配奖励时的一个逻辑问题：相同意思的步骤因轨迹成败拿了相反信用。SCPO在ALFWorld和WebShop上跑分挺高，最难的步骤提升明显。
6月16日
20:46
AITOP6月16日 20:46
6月12日
12:57
AITOP6月12日 12:57
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07