外部環境なしでツール利用を事前学習するエージェント強化学習手法

arXiv cs.AI ・ 2026-08-06

原題: EnvACE: Internalizing Environment Dynamics via World Rehearsal for Agentic Reinforcement Learning

AI による要約

大規模言語モデルエージェントの長期的ツール利用学習に向け、外部環境との対話の代わりに試行を自律シミュレートする「EnvACE」を提案した。行動決定と環境の応答予測を同一モデル内で行うワールドリハーサルにより、環境ダイナミクスをパラメータ内に内部化する。

この要約は当サイトの AI が生成したものです。正確な内容は元記事（arXiv cs.AI）をご確認ください。