Addestrare Agenti Linguistici ad Apprendere dall'Esperienza
Uno studio recente presenta l'In-context Training (ICT), un framework progettato per valutare l'auto-miglioramento in vari compiti negli agenti linguistici. I ricercatori propongono un pipeline di addestramento basato su reinforcement learning (RL) che consente a un modello riflettore di creare prompt di sistema basati su traiettorie osservate, migliorando l'efficacia del modello attore su compiti sconosciuti senza richiedere esempi umani. Negli esperimenti condotti su ALFWorld e MiniHack, i riflettori addestrati hanno superato le baseline non addestrate nella maggior parte delle famiglie di compiti esclusi, dimostrando che la capacità di apprendere dall'esperienza può effettivamente essere acquisita.
Fatti principali
- 1. L'articolo introduce il compito In-context Training (ICT).
- 2. ICT valuta l'auto-miglioramento cross-task negli agenti linguistici.
- 3. Un modello riflettore osserva le traiettorie di un modello attore.
- 4. Il riflettore genera prompt di sistema per migliorare le prestazioni future.
- 5. Viene utilizzato un pipeline di addestramento basato su RL senza esempi umani.
- 6. I test sono stati condotti negli ambienti ALFWorld e MiniHack.
- 7. I riflettori addestrati hanno superato le baseline non addestrate nella maggior parte delle famiglie di compiti esclusi.
- 8. L'articolo è disponibile su arXiv con ID 2605.20477.
Entità
Istituzioni
- arXiv