「大模型+強化學習」最新綜述！港中文深圳130余篇論文：詳解四條主流技術路線

AIGC動態歡迎閱讀

原標題：「大模型+強化學習」最新綜述！港中文深圳130余篇論文：詳解四條主流技術路線
關鍵字：模型,能力,自然語言,任務,函數
文章來源：新智元
內容字數：10478字

內容摘要：

新智元報道編輯：LRS
【新智元導讀】用大模型來輔助強化學習，可以提高模型在多任務學習、樣本利用率、任務規劃等復雜任務下的能力，該論文綜述了LLM-enhanced RL領域的最新進展，總結了LLM-enhanced RL的主要技術框架、特性以及四種主要技術路線；并分析了未來該方向的機會與挑戰。強化學習（RL）通過與環境交互的試錯反饋來優化順序決策問題。
雖然RL在允許大量試錯的復雜電子游戲環境中實現了超越人類的決策能力（例如王者榮耀，Dota 2等），但很難在包含大量自然語言和視覺圖像的現實復雜應用中落地，原因包括但不限于：數據獲取困難、樣本利用率低、多任務學習能力差、泛化性差、稀疏獎勵等。
大語言模型（LLM），通過在海量數據集上的訓練，展現了超強的多任務學習、通用世界知識目標規劃以及推理能力。以ChatGPT為代表的LLM已經被廣泛應用到各種現實領域中，包括但不限于：機器人、醫療、教育、法律等。
在此背景下，LLM可以提高強化學習在例如多任務學習、樣本利用率、任務規劃等方面的能力，幫助提高強化學習在復雜應用下的學習表現，例如自然語言指令跟隨、談判、自動駕駛等。
為此，來自香港中

原文鏈接：「大模型+強化學習」最新綜述！港中文深圳130余篇論文：詳解四條主流技術路線

聯系作者

文章來源：新智元
作者微信：AI_era
作者簡介：智能+中國主平臺，致力于推動中國從互聯網+邁向智能+新紀元。重點關注人工智能、機器人等前沿領域發展，關注人機融合、人工智能和機器人對人類社會與文明進化的影響，領航中國新智能時代。