提出RETROAGENT在线强化学习框架,通过回溯式双重内在反馈(数值反馈追踪子任务进展、语言反馈提炼可复用经验)使智能体不仅能解决问题,还能持续演化,在ALFWorld、WebShop、Sokoban和MineSweeper四个任务上显著超越现有方法并提升泛化能力。
机构:上智院
来源:arXiv 2603.08561 | AI4Papers 论文推荐平台