IXThinker·2025-10-18 16:04

早期經驗範式 讓智能體擺脫專家數據依賴

語言智能體的長期目標是憑自身經驗持續學習，最終在複雜真實任務中超越人類。Meta超級智能實驗室、Meta FAIR與俄亥俄州立大學提出「早期經驗」範式，讓智能體無需獎勵信號也能從交互中學習。

現有訓練困境

許多環境缺乏可驗證的獎勵信號，如網頁交互；或需要低效的長時程軌跡回放，如多輪工具使用，令純經驗數據加強化學習的訓練面臨巨大挑戰。因此當前大多數智能體仍依賴專家數據的監督微調，但這種方法難以擴展且泛化能力差。