Explorer-Zero自博弈框架提出，AppWorld成功率近人工标注RL
热点事件持续更新
Explorer-Zero自博弈框架提出，AppWorld成功率近人工标注RL
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
Tianyu Liu等作者提出 Explorer-Zero，一个通过环境交互联合生成任务与细粒度可验证奖励的自博弈框架，无需人工标注训练任务。 在 ALFWorld、ScienceWorld 和 AppWorld 上，该框架超越所评估的自博弈基线；在 AppWorld 上，其 30B 智能体任务成功率达 59.67%，接近人工标注任务 RL 的 62.65%。作者称，自博弈初始化还能提升后续基于人类数据的 RL 效果。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
Explorer-Zero：用可分解可验证奖励改进长时程任务的自对弈训练报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.LGExplorer-Zero：用可分解可验证奖励改进长时程任务的自对弈训练
Explorer-Zero 是一个通过环境交互联合生成任务与细粒度可验证奖励的自对弈框架，无需人工标注训练任务。在 ALFWorld、ScienceWorld 和 AppWorld 上，它超越所评估的自对弈基线；在 AppWorld 上，其 30B 智能体任务成功率达 59.67%，接近人工标注任务 RL 的 62.65%。自对弈初始化还能提升后续基于人类数据的 RL 效果。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。