Exploração Guiada por Prompts

arXiv:2607.08837v1 Tipo de Anúncio: novo Resumo: A exploração é essencial para o RL, já que uma política não pode melhorar amostrando repetidamente os comportamentos que já prefere. Os métodos padrão injetam estocasticidade no espaço de ações, mas esse tipo de ruído produz apenas rollouts próximos ao original. Escapar de uma política fraca frequentemente exige perturbações globais que o ruído nas ações não consegue gerar. Os grandes modelos de linguagem (LLMs) e os modelos de visão-linguagem-ação (VLA) oferecem um caminho: eles condicionam a política a uma natur...