这是一个值得思考的好问题，它引出了其他一些有趣的研究问题： 1. 情境学习是否存在上限？ 2. RL 是突破这一瓶颈的途径吗？ 3. 权重中已经包含多少我们不知道如何可靠提取的知识？ 文本优化在一定程度上确实有效。例如，以下流程： 代理工具 —> 评估 —> 挖掘痕迹 —> 改进工具 关于样本效率、计算成本、基于文本和基于强化学习的优化比较，有很多有趣的实验可以做。 还有一点是，在 RL 之后，我们会在多大程度上再次调整你的框架，从而又回到基于文本的优化？
正在加载线程详情
正在从 X 获取原始推文，整理成清爽的阅读视图。
通常只需几秒钟，请稍候。