资料索引 游戏与学习 · arXiv 2611.23219
作者 Shobhita Sundaram 等
Do LLM Agents Still Need to Be Told How to Self-Improve?
Daily Papers 收录于

测试提供运算预算和工具,让模型自己决定先玩什么、保留哪些记录。训练过程不接入新的外部资料,模型可以改写的是上下文中的文本,并非网络权重。

作者观察到部分能力较强的模型会制定练习顺序,并把笔记迁移到不同游戏机制和三维导航场景。要分清笔记是否真有用,可以比较带着笔记和清空笔记的后续表现。

原始资料