本文综述大语言模型与强化学习结合的多项研究，包括利用LLM反馈训练机器人智能体、自动设计奖励函数、开发LLaRP策略及新基准、用自然语言生成奖励、提出ELLM探索方法、师生代理框架、RRAML检索增强框架，以及LLM定义奖励参数结合MPC优化机器人任务，并探索过程监督奖励机制。