本文综述大语言模型与强化学习的协作研究，主要贡献包括：提出LMRL-Gym多轮强化学习基准及开源框架，涵盖8项语言任务；构建层次化代理，结合LLM规划与环境学习解决长期任务；提出LARL-RM算法，利用LLM获取高层知识编码自动机，加速收敛30%；从博弈论视角重构LLM训练；用LLM教师指导小学生代理提升样本效率；以LLM多专家代理解决ARC挑战，解出45%；并开发LLaRP方法及新基准。