千问世界模型能用来训Agent吗？
世界模型到底怎么训Agent？官方给出了两种用法。第一种：当“环境模拟器”用。Agent强化学习需要大量试错，真实环境跑不了那么多次，但模拟器里随便跑。关键是——可控模拟RL的效果，竟然比只在真实环境里训练的还要好。第二种：当“预热”用。先让模型学会理解世界，再去微调成Agent，在7个基准测试上都有提升，其中3个是训练时没见过的领域。简单说：世界模型不是替代真实环境，而是给Agent训练提供了一条互补路径。
发布于 北京
分享
评论
1
未登录
友善发言
评论
加载中
