CoT prompting

新的Agentic Critical Training方法提升了LLM代理的性能

研究人员推出了一种名为Agentic Critical Training (ACT) 的新方法，通过训练语言模型代理评估动作而非仅仅模仿动作来增强其能力。与传统的模仿学习不同，ACT使用具有可验证奖励的强化学习来教会模型区分专家动作和可能的错误。该方法在ALFWorld、WebShop和ScienceWorld等多个基准测试中表现出显著的改进，优于监督微调和CoT提示等现有方法。