研究人员开发了 Anchor-and-Harvest Curriculum (AHC)，一种用于 Craftax-Full 环境的新型训练系统，不依赖大型语言模型 (LLM)。AHC 利用以成就为导向的任务、自适应难度和继承式进展来训练智能体。在对 2,005,401,600 PPO rollout transitions 的评估中，AHC 实现了 46.70 ± 0.57 的原生任务回报，优于得分 41.91 ± 1.01 的标准 PPO-GTrXL 模型。结果表明，在复杂环境中，显式的、非 LLM 的课程可以达到与 LLM 生成的课程相媲美的性能。 AI
影响 证明了显式的、非 LLM 的课程可以在复杂环境中实现具有竞争力的性能，从而可能减少对大型语言模型进行训练的依赖。
排序理由 该集群描述了一篇详细介绍 AI 智能体新型训练课程的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Anchor-and-Harvest Curriculum
- Craftax-Full
- DICODerma: A Practical Approach for Metadata Management of Images in Dermatology
- GTrXL
- Proximal Policy Optimization
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
