Путешествие назад вперёд: ретроспективное исследование и развитие для агентов продолжительных горизонтов

arXiv: 261 010.13058v1 Annuales Type: New Humber Abstract: Major Langion Model Agents все чаще действуют в условиях долгого горизонта, где ранние ошибки могут вызвать каскадные сбои и ловушки-агенты в тупиковых траекториях. Таким образом, агенты должны быть в состоянии активно восстанавливаться из таких государств и использовать свой опыт исследований в качестве руководства для принятия последующих решений. Мы представляем ReTRAIL - рамки, которые позволяют агентам перемотать окружающую среду в более ранние штаты при сохранении реального прогресса и передаче знаний, извлеченных из заброшенных исследований. Состояние окружающей среды движется назад, пока знания агента продолжают развиваться. В рамках программы " РеТРИЛ &qt; проводится общая политика с двумя вспомогательными сигналами: государство-ГПП сравнивает альтернативные варианты продолжения из вновь рассмотренных штатов для улучшения исполнения, а руководство по вопросам поощрения развития филиалов осуществляется на основе прогресса последующей разведки. Эксперименты в рамках четырех интерактивных контрольных шахт, Sokoban, ALFWorld и