Tối ưu hóa chính sách đa quy mô cho các agent LLM dài hạn

Đoạn trích bài viết

Các agent LLM tầm xa tương tác với môi trường của họ thông qua các lượt trợ lý hoàn chỉnh trong khi tạo ra mỗi token hành động theo token. Chúng tôi quan sát thấy rằng các giá trị phê bình thay đổi chủ yếu qua các lượt, thúc đẩy tối ưu hóa được neo vào lượt với phân bổ tín dụng tinh tế hơn giữa các token. Chúng tôi đề xuất Multiscale.