UniSkill以轨迹反馈学习技能库编辑

Yifei Lu等提出UniSkill，让共享策略在环境交互后提出技能库的添加、更新或保持不变操作。基于论文摘要，该方法用同一任务既有成功与失败轨迹的动作对数似然差距，衡量替换检索技能后的变化，为提案提供与当前执行策略对齐的反馈，无需为每个提案另行开展rollout；同时用技能编辑支持正则化保留探索。 作者报告，UniSkill在ALFWorld和WebShop上的成功率分别为98.4%和84.7%，联合训练保持稳定；进一步在ALFWorld使用较小骨干网络时仍有效。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。