摘要
大型语言模型(LLM)在推理、规划和工具使用方面展现出强大能力,但在需要精确动作优化的长视距序列决策任务中表现不佳。相反,强化学习(RL)虽擅长序列控制,却缺乏处理复杂场景所需的高级抽象和任务分解能力。本文提出了一种LLM增强的强化学习智能体,将LLM驱动的规划与基于RL的动作优化相结合。该架构利用LLM生成子目标、结构化计划和上下文指导,而RL智能体则通过与环境交互来细化底层动作。在序列决策任务上的实验表明,与仅使用RL或LLM的基线相比,该方法提高了样本效率、成功率以及动作轨迹的一致性。
AI 推荐理由
论文核心在于利用LLM生成子目标和结构化计划,解决长序列决策中的规划问题。
研究机构
AIMS, Kigali, Rwanda
African Institute for Mathematical Sciences (AIMS), Kigali, Rwanda
African Center for Advanced Studies, Pretoria, South Africa
论文信息