DGLight

使用批评者指导的强化学习对大型语言模型进行交通控制微调

研究人员开发了 DGLight，一个用于微调大型语言模型以进行交通信号控制的新框架。该方法利用深度 Q 网络批评者来指导优化过程，使模型能够生成可解释的推理轨迹以及信号决策。在济南和杭州进行的实验表明，DGLight 在与其他基于 LLM 的控制器相比时表现更优，并且与已有的强化学习方法相比具有竞争力，同时还表现出良好的迁移到新城市数据集的能力。