大模型 HuggingFace Daily Papers 2026-07-30

CAST：游戏求解器作为 LLM 代理的回合级教师

为解决 LLM 在长时域游戏中强化学习稀疏奖励的信用分配问题，我们提出 CAST，利用游戏求解器的状态值变化提供更密集的回合级过程信号。

解读生成中或暂时不可用，请稍后刷新重试，或直接查看原文。