MaestroMotif：基于人工智能反馈的技能设计
人工智能
2024-12-12 v1 计算与语言
机器学习
摘要
以自然语言描述技能有望为人类决策知识的注入人工智能系统提供一种易于访问的方式。我们提出了 MaestroMotif，这是一种面向 AI 辅助技能设计的方法，能够产生高性能且可适应的智能体。MaestroMotif 利用大型语言模型（LLM）的能力，有效创建和复用技能。它首先利用 LLM 的反馈机制，根据技能的自然语言描述自动设计对应的奖励函数。随后，它结合 LLM 的代码生成能力与强化学习，训练技能并将其组合以实现语言中指定的复杂行为。我们在 NetHack 学习环境（NLE）中的一系列复杂任务上对 MaestroMotif 进行评估，结果表明其在性能和可用性方面均优于现有方法。
引用
@article{arxiv.2412.08542,
title = {MaestroMotif: Skill Design from Artificial Intelligence Feedback},
author = {Martin Klissarov and Mikael Henaff and Roberta Raileanu and Shagun Sodhani and Pascal Vincent and Amy Zhang and Pierre-Luc Bacon and Doina Precup and Marlos C. Machado and Pierluca D'Oro},
journal= {arXiv preprint arXiv:2412.08542},
year = {2024}
}