Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2406.07381

帮助 | 高级搜索

计算机科学 > 人工智能

arXiv:2406.07381 (cs)
[提交于 2024年6月11日 ]

标题: 带有大型语言模型提示的目标实现世界模型

标题: World Models with Hints of Large Language Models for Goal Achieving

Authors:Zeyuan Liu, Ziyu Huan, Xiyao Wang, Jiafei Lyu, Jian Tao, Xiu Li, Furong Huang, Huazhe Xu
摘要: 强化学习在面对长时域任务和稀疏目标时存在困难,这是由于手动奖励规范的难度。 虽然现有方法通过添加内在奖励来解决这个问题,但在具有大状态和动作空间的长时域决策任务中,它们可能无法提供有意义的指导,缺乏有目的的探索。 受人类认知的启发,我们提出了一种新的多模态基于模型的强化学习方法,名为使用大型语言模型的梦想(DLLM)。 DLLM将从语言模型中提出的提示性子目标整合到模型滚动中,以鼓励在挑战性任务中发现和达到目标。 通过在模型滚动过程中将较高的内在奖励分配给与语言模型概述的提示相一致的样本,DLLM引导智能体朝着有意义且高效的探索方向发展。 大量实验表明,在HomeGrid、Crafter和Minecraft等各种具有挑战性和稀疏奖励的环境中,DLLM分别优于最近的方法27.7%、21.1%和9.9%。
摘要: Reinforcement learning struggles in the face of long-horizon tasks and sparse goals due to the difficulty in manual reward specification. While existing methods address this by adding intrinsic rewards, they may fail to provide meaningful guidance in long-horizon decision-making tasks with large state and action spaces, lacking purposeful exploration. Inspired by human cognition, we propose a new multi-modal model-based RL approach named Dreaming with Large Language Models (DLLM). DLLM integrates the proposed hinting subgoals from the LLMs into the model rollouts to encourage goal discovery and reaching in challenging tasks. By assigning higher intrinsic rewards to samples that align with the hints outlined by the language model during model rollouts, DLLM guides the agent toward meaningful and efficient exploration. Extensive experiments demonstrate that the DLLM outperforms recent methods in various challenging, sparse-reward environments such as HomeGrid, Crafter, and Minecraft by 27.7\%, 21.1\%, and 9.9\%, respectively.
主题: 人工智能 (cs.AI) ; 机器学习 (cs.LG)
引用方式: arXiv:2406.07381 [cs.AI]
  (或者 arXiv:2406.07381v1 [cs.AI] 对于此版本)
  https://doi.org/10.48550/arXiv.2406.07381
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Zeyuan Liu [查看电子邮件]
[v1] 星期二, 2024 年 6 月 11 日 15:49:08 UTC (2,397 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.AI
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-06
切换浏览方式为:
cs
cs.LG

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号