跳到正文

Motif

用 LLM 偏好训练 NetHack 代理

访问官网

Motif 是什么

Motif 被介绍为从 LLM 偏好中学习奖励函数、并在 NetHack 上训练代理的 PyTorch 项目。

你可以用它做什么

  • 由 LLM 偏好构建注释对
  • 把偏好转化为奖励函数
  • 用强化学习训练代理

优点与缺点

✓ 我们认可的地方

  • 资料称行为与人类直觉一致
  • 用强化学习训练得到的代理

! 需要留意的地方

  • 点名的游戏环境是 NetHack
  • 奖励函数依赖收集到的 LLM 偏好

常见问题

基于什么框架?

资料把 Motif 介绍为基于 PyTorch 的项目。

奖励如何构建?

资料说明用交叉熵把 LLM 偏好转化为奖励函数。

最后评测: 2026-11-15

更多 AI 办公助手 工具

查看全部 →

评测方法