实体
TextCraft
TextCraft
PulseAugur coverage of TextCraft — every cluster mentioning TextCraft across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
Prefix-GRPO 增强小型语言模型以用于交互式代理
研究人员推出了一种新颖的强化学习框架 Prefix-GRPO，旨在增强小型语言模型在交互式代理任务中的性能。该方法将教师轨迹分解为与重放对齐的前缀查询和在线续接，使学生模型能够在长视界环境中更有效地学习。在 TextCraft、BabyAI 和 ALFWorld 上的实验表明，Prefix-GRPO 通过在统一的策略优化框架内优化前缀学习和续接学习，其性能优于标准的蒸馏和强化学习基线。
-
新方法可预测并提前中止失败的LLM代理交互
研究人员开发了一种方法，可以提前预测并中止失败的大型语言模型（LLM）代理交互，从而节省大量的推理计算资源。通过分析代理的内部表征，该系统最早可以在第一个交互回合就预测到失败。该方法在TextCraft上使用Qwen 2.5 7B和Llama 3.2:3b模型进行了测试，与仅依赖可观察行为的传统方法相比，实现了显著的计算节省。