标签
Agent-G^2 引入了一个高斯指导框架，用于强化学习中的提示深度，提升了长期代理任务的性能，无需额外的探测回合，并在 ALFWorld 和 WebShop 基准测试中取得优异结果。
介绍了AdaKP，一种在线自适应知识点选择器，能够在强化学习训练过程中动态重新选择注入哪些原子提示，以缓解推理任务中的奖励稀疏问题，在竞赛级数学基准上取得了改进，且开销可忽略不计。