跨环境神经重排序：实现文本智能体样本高效的动作选择

针对大语言模型智能体推理成本高昂的问题，本文研究利用紧凑神经重排序器进行动作选择。通过在 ALFWorld、WebShop 和 ScienceWorld 多个环境中联合训练 DeBERTa-v3 模型，发现跨环境联合训练能显著提升性能并实现正向迁移。该方法具有极高的样本效率，仅需少量目标域数据即可恢复大部分性能。此外，文章探讨了环境感知 LoRA 适配器的路由策略，虽存在方差问题但展现了潜力，最终发布了包含五万余实例的基准数据集及模型检查点。