本研究提出了分布式架构ONI，克服了自然语言描述中合成密集奖励的局限性，特别是在稀疏奖励和开放探索方面。该方法在NetHack环境中表现优异，展示了其有效性和潜力。

来自大型语言模型反馈的决策代理的在线内在奖励
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证