利用大型语言模型启发增强 Q-Learning
原文中文，约200字，阅读约需1分钟。发表于：。LLM-guided Q-learning combines the advantages of large language models and Q-learning without introducing performance bias, providing action-level guidance and converting hallucinations into...
我们提出了一种改进大规模语言模型的方法，通过高效探索收集人类反馈的实质性好处的证据。实验结果表明，高效探索能够在很少的查询次数下实现高水平的性能。不确定性估计和探索策略的选择起着关键作用。
