SEER: 通过强化学习促进结构化推理和解释

介绍了A2CR模型，一种带有解释性的Actor-Critic强化学习模型，通过预定义和分类行为的目的生成全面、可解释的决策模式。在Super Mario Bros环境中评估发现，Reasoner预测的标签比例在不同游戏中有所变化。基于目的的关键性更具针对性和可理解性。