IXThinker·2026-03-01 17:40

強化學習新法：一次提煉環境常識省調用成本

經典強化學習需要智能體反覆試錯才能學會任務，樣本效率低下。南京大學章宗長、俞揚團隊聯同騰訊研究者提出新思路，讓大模型一次過總結環境常識，供所有後續任務共用，降低調用成本。

舊方法的瓶頸

在傳統流程中，智能體要遍歷海量狀態、屢屢碰壁才能摸索出完成任務的方法，樣本成本高昂。過往引入大模型提示的做法，通常每換一項任務就要重寫提示詞並再調用一次API，既昂貴亦難以遷移。