actor model

新的“学习教练”框架增强了大型语言模型的体验式学习

研究人员开发了一个名为学习教练（L2C）的新框架，旨在改进语言模型从经验中学习的方式。L2C 训练一个专门的“大型语言模型即教练”来从行为模型过去的表现中提炼出可操作的见解，而不是依赖于原始的、冗长的轨迹。该教练模型经过训练，可以通过最大化基于行为者指导输出的奖励来增强后续响应，无论是在同一问题上还是在新实例上。在数学推理和基于文本的游戏中的实验表明，L2C 超越了标准的自我完善技术和未经训练的教练模型，展示了向不同任务和行为者的有效知识转移。