实体
TextWorld
TextWorld
PulseAugur coverage of TextWorld — every cluster mentioning TextWorld across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的BehR方法改进了基于文本的世界模型以实现代理行为
研究人员引入了一种名为行为一致性奖励（BehR）的新训练范式，以改进基于文本的世界模型。与侧重于单步状态预测的传统方法不同，BehR通过衡量日志记录动作的可能性来优化世界模型与真实环境之间的功能一致性。在WebShop和TextWorld上的实验表明，基于BehR的训练增强了长期对齐，并减少了离线评估中的假阳性，同时在推理时间规划方面也显示出适度的收益。
-
新方法提高了基于文本的世界模型的表示质量
研究人员开发了一种在基于文本的强化学习环境中强制执行严格的潜在状态中介的方法，解决了离散和不可微分的文本状态带来的挑战。这种方法称为因子化 GRPO (fGRPO)，利用树状强化学习技术来确保预测仅依赖于潜在状态和动作。在 TextWorld 和 ScienceWorld 上的实验表明，表示质量和 rollout 性能得到了显著改善，尤其是在复杂和长周期的任务上。