LeAct：从专家行动中学习推理

Ziran Yang, Chengshuai Shi, Raj Ghugare, Benjamin Eysenbach, Karthik Narasimhan, Chi Jin

摘要

该论文提出LeAct方法，从专家系统（如游戏引擎、规划器）的沉默行动中恢复自然语言推理链，以提升学生模型的泛化能力。实验表明，该方法在多个不完全信息游戏和模拟机器人基准上显著优于基线，接近求解器的数值下限。

reasoningexpert systemschain-of-thoughtlatent variablereinforcement learning

LEARNING

📊 8,465 引用

D. O. Hebb

2005

LEARNING

📊 7,678 引用

Benoît B. Mandelbrot, John W. Van Ness

1968

LEARNING

开放获取📊 7,484 引用

Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者

2021

LEARNING

📊 4,608 引用

Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者

2018