13:18
官方账号arXiv cs.AI@Zishan Xu, Zhiyuan Yao, Yuxin Chen, Yifu Guo, Zhengxi Lu, Yuquan Lu, Jinyang Huang, Yan Xu, Yasheng Wang, Weinan Zhang, Xingshan Zeng, Weiwen Liu
推荐理由：EnvACE 让模型自己脑补环境的反馈，省去搭建外部模拟器，四个基准上还赢了。想低成本练智能体的可以看看。
EnvACE
共 1 条相关 AI 资讯
8月7日
13:18
EnvACE 是一种面向大语言模型智能体的强化学习方法，训练时不再依赖真实或合成的可执行环境交互，而是让策略交替执行动作和扮演环境产生响应。该方法在 BFCL-v4、tau^2-Bench、VitaBench 和 FinMCP-Bench 四个基准上表现优异，整体评估超过环境扩展类基线。受控实验表明，世界预演在不同模型规模下都能稳定提升策略学习效果。测试阶段，内化的世界模型还可在提交执行前进行私有预演，在中等预演预算下获得额外增益。代码已在 GitHub 上公开。