亚马逊团队发布自博弈框架 Explorer-Zero 论文

Tianyu Liu 等亚马逊作者团队在 arXiv 提交论文，提出自博弈框架 Explorer-Zero：由任务提议器通过与环境交互探索并生成任务，将中间与最终状态记录为验证目标，以细粒度检查点奖励为部分完成提供反馈，用于长时程交互任务训练，无需人工标注训练任务。 论文作者称，在无人工标注训练任务条件下，Explorer-Zero 在 ALFWorld、ScienceWorld 和 AppWorld 三个基准上均优于所评估的自博弈基线；在 AppWorld 上其 30B agent 任务成功率达 59.67%，接近在人工标注任务上做强化学习的 62.65%。以上为论文声称的结果，基于摘要。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。