提出在线经验学习(OEL)框架,使语言模型能从真实部署中的交互轨迹中提取可迁移的经验知识,并通过策略一致的上下文蒸馏将其整合进模型参数,实现无需奖励信号、无需访问用户端环境的持续在线优化,在文本游戏环境中提升了任务准确率和推理效率。
机构:Microsoft
来源:arXiv 2603.16856 | AI4Papers 论文推荐平台