提交论文第三版修订稿

Haiyue Zhang 向 arXiv 提交了论文第三版修订稿，新增独立回放库评估、与主张匹配的恢复对比及训练试点，论文继续在 ALFWorld 中评估步骤级信用分配。新增评估使用两个独立随机种子的 replay bank，覆盖 172 个固定回合和 27,520 条 continuations。 论文称，相关发现仅适用于所测试的策略、干预支持范围和有限预算，不能据此推广到其他条件。

AI 根据报道生成 · 58 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。