Rohan Paul@rohanpaul_aiNghiên cứuĐiểm AI 34/100
Nghiên cứu về tác nhân lập kế hoạch dài hạn: Tiền huấn luyện và chưng cất OPD
No amount of post-training cleanly fixes weak long-horizon foundations: noisy trajectories compound …
DịchNghiên cứu chỉ ra rằng hậu huấn luyện không thể khắc phục lỗi tích lũy trong lập kế hoạch dài hạn. Thay vào đó, việc sử dụng mô hình thế giới rõ ràng và kỹ thuật chưng cất chính sách (OPD) giúp tối ưu hóa phản hồi xuyên suốt quỹ đạo thay vì chỉ dựa vào kết quả cuối cùng.
