weixin_42336668的博客

用JAX编写的Crafter升级版，加速了Crafter的运行速度。实现1小时交互1Bsteps。Benchmarks play a crucial role in the development and anal

大语言模型（LLM） Agent解决具身目标任务成本高，效果也不是很好。强化学习（RL）从头开始，样本效率低，探索成本高。这篇文章主要基于蒸馏学习的思想提出，让RL学习LLM的策略，但不单单从LLM中学习，还通过和环境交互学习策略，以减轻LLM提出错误决策的影响。LLMs在提供高级指令方面展现出潜力，但在特定任务上缺乏专业化能力。RL智能体擅长目标任务，但面临低采样效率和高探索成本的问题。实际部署LLM-based代理成本高昂，且计算资源需求大。