PapersBuilders11:30Chinese content决策模型引导训练：用 DM 初始化 RL 策略提升稀疏奖励任务表现把决策模型当 RL 的起跑器：智能体第一局就拿到奖励，7 个任务全赢纯 RL，还附了怎么写任务描述的指南。#强化学习#决策模型#DMGT#稀疏奖励aarXiv cs.LG@Muhammad Ibrahim Khan et al. (4)SourceRead laterReadWorth followingUsefulFollow 强化学习