全部
全部

选一篇,慢慢读

从左侧挑一篇,正文会在这里排成书页。

文章与公开阅读资产

行动者、评判者还是教师?理解长程 Agent 中的决策模型

Decision models answer a question with a typed output, such as a choice among options with a probability for each, so one model can choose an agent's actions, evaluate actions already taken, or score every action to teach a policy with reinforcement learning. Prior work has studied them mainly as actors, judging their

阅读原文 · Haochen Liu, Qianhao Zhu, Zixuan Wang, Dingming Li, Tongbo Chen, Peng Qiu, Yingqi Qu, Weiming Lu, Jun Xiao, Yongliang Shen

乔木风格重写

向阳乔木 · opencode-go/deepseek-v4.1-flash

这篇论文问了一个挺有意思的问题: 一个自己动手做不好的模型,能不能当好老师? 过去大家评估决策模型,基本都看它当 Actor 的表现,也就是它选动作准不准、任务完成率高不高。这篇把同一个模型放到三个位置上比较:Actor(自己行动)、Judge(事后评判整条轨迹)、Teacher(给强化学习打信号)。结论有点反直觉: 做不好的 Actor,可能是很好的 Te...

  • JK下一篇 / 上一篇
  • S收藏
  • A问 AI
  • I沉浸阅读
  • Esc退出