reward-driven

本文提出了一种奖励驱动的大语言模型代理工作流，融合了POMDP路由与自我修正奖励模型，在ALFWorld和WebShop等基准测试中任务成功率提升了24.5%。

一个针对长序列图像编辑的体验式框架，将规划与奖励驱动的执行相结合，以提高复杂多步编辑的连贯性和可靠性。