开发了一种名为OPINE-World的新型LLM代理，用于通过交互学习程序化世界模型，解决了深度网络模型的数据效率低下和可迁移性差的问题。OPINE-World使用两个协作代理之间的假设和测试循环，一个与环境交互，另一个以代码形式合成模型。该方法利用一种称为本体论错误的物体类型充分性度量来指导探索，并在ARC-AGI-3基准测试中表现强劲，在没有针对每个游戏进行训练的情况下解决了25个游戏中的20个。 AI
影响 这项研究介绍了一种更具数据效率的世界模型学习方法，有可能提高代理在复杂环境中的适应性和可迁移性。
排序理由 该集群描述了一篇介绍新型LLM代理及其在特定基准测试中性能的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
