**CAST: 将游戏求解器作为回合级教师提升大语言模型代理**

_CAST: Game Solvers as Turn-Level Teachers for LLM Agents_

> CAST方法利用游戏求解器的状态价值变化生成密集奖励信号，替代稀疏的最终奖励，有效解决长序列游戏中的信用分配问题。在Sokoban、Minesweeper等任务中显著提升了LLM代理的决策能力与零样本泛化性能。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-07-30 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.25308)