本研究提出了一种批评引导改进（CGI）框架，旨在解决大型语言模型在行动改进中的反馈不足问题。通过演员模型与批评模型的协作，CGI显著提升了决策效率，实验结果表明其在多种交互环境中优于现有基准。

本研究探讨基础模型在交互环境中信息收集的能力，提出了一个新框架以最大化信息增益。模型在识别单一奖励特征方面表现良好，但在多奖励特征任务中仍需改进。

研究人员通过技能集优化（SSO）方法提出了一种提高大型语言模型在交互环境中决策性能的方法。SSO通过构建和优化可迁移技能，提供给大型语言模型以加强高奖励行为，并通过删除不再产生高奖励的技能来进一步优化技能集。实证评估结果显示，在NetHack和ScienceWorld中，SSO的性能比基准提升了40%和35%。