arXiv· Runchu Tian·· 4 天前推荐指数53
MiRL：用错误靶向强化学习纠正终端Agent的错误行为
MiRL: Error-Targeted Reinforcement Learning for Correcting Terminal Agent Misbehaviors
AI 导读
论文提出 MiRL（Misbehavior-driven RL），先对策略的错误进行画像以找出可泛化的错误行为，再从这些错误发生的步骤开始 rollout 并仅在通过测试且避免错误行为时给予奖励，从而用强化学习纠正终端 Agent 的错误。
来源：arXiv · arxiv.org