Hugging Face Daily Papers·· 5 天前AI 评分72
Craftax 中程序策略与目标编译器的续写引导 LLM 进化
Continuation-Guided LLM Evolution of Program Policies and Goal Compilers in Craftax
AI 导读
针对长视界任务中局部改进损害最终成功率及切换目标需重新合成的挑战,该研究提出反馈级联框架。在 Craftax 游戏中,通过从回合回报到分层目标的反馈优化,策略到达终局频率从低于 1% 提升至 50%,击败最终 Boss 达 28%。
来源:Hugging Face Daily Papers · arxiv.org