研究人员开发了一个名为测试时探索（TTExplore）的新框架，以帮助AI智能体更好地驾驭具有隐含规则的环境。这些隐藏的约束条件常常导致智能体陷入重复的试错循环。TTExplore使用一个“思考者”组件，从交互历史中推断这些规则并指导一个“执行者”智能体。该系统采用了一种新颖的强化学习流程，使用任务级别的分数作为间接奖励，绕过了评估中间推理步骤的难度。实验表明，由名为Exp-Thinker的专用7B模型驱动的TTExplore，显著提高了智能体在基于文本的具身任务上的性能。 AI
影响 这项研究可能带来更强大的AI智能体，使其能够在具有未说明约束的复杂现实场景中有效运行。
排序理由 该集群包含一篇详细介绍新AI框架和模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →