arXiv · Machine Learning· Joey Hong, Kang Liu, Zhan Ling, Jiecao Chen, Sergey Levine·· 8 小时前AI 评分57
Natural Language Actor-Critic（NLAC）提出基于自然语言 Critic 的 LLM Agent 离策略训练方法
Natural Language Actor-Critic: Scalable Off-Policy Learning in Language Space
AI 导读
Natural Language Actor-Critic（NLAC）提出一种使用生成式 LLM Critic 训练 LLM Agent 的 Actor-Critic 算法，由 Critic 生成自然语言而非标量价值，为策略提供更丰富、可操作的改进信号。
来源：arXiv · Machine Learning · arxiv.org