CaPtain: Một quy trình cho các agent robot có quy tắc làm chính sách sau khi huấn luyện

Đoạn trích bài viết

Trong các nhiệm vụ lập trình, web và sử dụng công cụ, các agent mô hình ngôn ngữ hiện đang được huấn luyện thường xuyên với cùng một công thức: tinh chỉnh được giám sát (SFT) để học giao diện, sau đó là học tập tăng cường nhiều lượt (RL) để làm chủ nó. Quy tắc như chính sách (CaP) đưa ra thao tác robot trong cùng một hình thức, như chính sách.