Siddhant Bhambri

外部ガイダンスを使ってLLMを計画タスクに統合するための構造的アプローチ。

この研究は、ReActがLLMのパフォーマンス向上にどれだけ効果があるかを疑問視してる。

この作品は、報酬シェイピングを使って強化学習を改善するためのLLMの役割について探る。