**决策模型新解：表现不佳的演员也能成为优秀的强化学习教师**

_Actor, Judge, or Teacher? Understanding Decision Models in Long-Horizon Agents_

> 研究对比了三种决策模型在长周期智能体中的角色，发现即使作为“演员”表现不佳，该模型作为“裁判”评估历史轨迹或作为“教师”指导强化学习时仍可能非常有效。实验表明，基于 JEV 模型的强化学习策略在 ALFWorld 和 WebShop 环境中的成功率分别提升了 10.1% 和 14.6%，证明了事后评估行动后果对于训练策略的重要性。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-11-13 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2611.17167)