TextWorld
PulseAugur coverage of TextWorld — every cluster mentioning TextWorld across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
MemPlan 将 LLM 与符号规划集成到文本环境中
研究人员开发了 MemPlan，一个新颖的规划框架，将大型语言模型 (LLM) 与符号规划集成到基于文本的环境中。该系统使用记忆条件下的 PDDL 规划来克服 LLM 在长时程任务中的局限性，例如幻觉和无效操作。MemPlan 通过解析的观察、假设和交互记忆在每一步重建规划问题，并通过从反馈中得出的基于相关性的动作成本和排除约束来指导规划器。在 TextWorld、ALFWorld 和 Robotouille 上的实验表明，与现有方法…
-
新的CB-Agent方法增强了LLM的顺序动作选择能力
研究人员开发了CB-Agent，一种用于大型语言模型顺序动作选择的新型上下文学习方法。该方法侧重于从专家轨迹中学习可重用的评分规则，而不是直接输入完整的演示或依赖自然语言摘要。CB-Agent将提取的环境-动作决策与冻结的语言模型特征和先验知识相结合，以指导交互过程中的动作选择，并在TextWorld、ALFWorld和ScienceWorld基准测试中取得了最佳性能。
-
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。