言語エージェント訓練効率化、行動と予測の共進化で高機能化
arXiv cs.AI は10月14日(現地時間)、言語エージェントの訓練における高コスト課題を解決する新手法を提案する論文を公開した。この手法は、標準的な強化学習 (Reinforcement Learning、RL) では活用しきれていなかった中間ステップの教師信号を有効利用し、行動 (acting) と予測 (forecasting) を共進化させることで訓練のボトルネック解消と効率向上を目指す。従来の価値ターゲットや観測ターゲットが抱える構築の難しさを克服するため、マルチステップのアクションターゲットを導入している。