Joey Hong

新的NLAC算法使用自然语言反馈训练LLM代理

研究人员推出了一种名为自然语言Actor-Critic (NLAC)的新型算法，旨在改进大型语言模型 (LLM) 代理的训练。与依赖稀疏标量奖励的传统方法不同，NLAC利用生成式LLM评论员为次优行为提供自然语言解释。这种方法旨在提供更丰富、更具操作性的训练信号，特别适用于具有大型、开放式动作空间的任务。该方法在策略外进行训练，无需策略梯度，有望为LLM代理在推理、网页浏览和工具使用任务中实现更稳定、更具数据效率的学习。