ForeCritic

新的世界奖励模型提高了机器学习智能体的效率

研究人员引入了世界奖励模型（WRMs）作为机器学习智能体的一种新方法，旨在提高它们选择最优程序的效率。与预测执行结果的传统世界模型不同，WRMs直接学习根据实际执行结果识别哪个候选程序将表现更好。这种方法通过ForeCritic模型得到验证，在选择更好程序方面显示出显著的改进，在保留数据上达到了79.4%的准确率，并在集成智能体系统中将任务完成时间缩短了高达7.5倍。