叙事引导的强化学习：一种研究语言模型对决策影响的平台

我们提出了一个初步的实验平台，探讨叙事元素如何塑造AI决策，通过将强化学习（RL）与语言模型推理相结合。虽然AI系统现在能够进行决策并参与叙事推理，但这些能力大多被单独研究。我们的平台试图通过一种双系统体系结构来弥合这一差距，检验叙事框架如何影响基于奖励的学习。该系统由一个基于过去经验提出行动建议的强化学习策略组成，以及一个通过不同的叙事框架处理这些建议以指导决策的语言模型。这种设置使我们能够在保持环境和奖励结构一致的同时，初步实验叙事元素。我们在可配置的网格世界环境中实现了该体系结构，代理人接收策略建议和周围环境信息。该平台的模块化设计 facilitates 对环境复杂性、叙事参数以及强化学习与叙事决策之间相互作用进行受控测试。我们的日志系统捕获基本决策指标，从RL策略价值到语言模型推理再到行动选择模式。虽然是初步的，但这一实现为研究不同叙事框架如何影响基于奖励的决策，以及探索优化基于学习与符号推理在AI系统中的潜在相互作用提供了基础。