EnvACE: Prova Generale del Mondo per l'Apprendimento per Rinforzo Agentico
Un nuovo metodo per addestrare agenti basati su modelli linguistici di grandi dimensioni, chiamato EnvACE, sostituisce l'interazione con l'ambiente esterno con una prova generale del mondo. La politica alterna tra agire e provare: genera una chiamata a uno strumento, poi simula la risposta dell'ambiente e condiziona le decisioni successive su quella risposta provata. Entrambi i ruoli sono ottimizzati end-to-end utilizzando ricompense basate sul successo del compito. Questo approccio interiorizza le dinamiche ambientali nei parametri del modello, creando un modello mondiale dell'agente che supporta il processo decisionale. Il metodo è stato valutato su BFCL-v4, tau^2-Bench, VitaBench e Fi
Fatti principali
- EnvACE è un metodo di apprendimento per rinforzo agentico.
- Sostituisce l'interazione con l'ambiente esterno con una prova generale del mondo.
- La politica alterna tra agire e provare.
- Genera una chiamata a uno strumento e poi simula la risposta dell'ambiente.
- Entrambi i ruoli sono ottimizzati congiuntamente end-to-end utilizzando ricompense basate sul successo del compito.
- La politica interiorizza la relazione tra azioni e risposte ambientali.
- Produce un modello mondiale dell'agente che supporta direttamente il processo decisionale.
- Valutato su BFCL-v4, tau^2-Bench, VitaBench e Fi.
Entità
—