**Craftax 中基于续写引导的 LLM 程序策略演化与目标编译器** _Continuation-Guided LLM Evolution of Pro
原帖
**Craftax 中基于续写引导的 LLM 程序策略演化与目标编译器**
_Continuation-Guided LLM Evolution of Program Policies and Goal Compilers in Craftax_
> 针对长周期任务中局部优化损害最终成功率及切换目标成本高的问题,研究提出了一种反馈级联框架。该框架通过从回合回报到分层目标的密集评分反馈,将 Craftax 游戏中策略的最终到达率从不到 1% 提升至 50%。此外,研究将控制器分解为环境解释器和规则程序,训练出可复用的目标编译器,使其能在无需微调的情况下,将单任务策略零样本迁移至长周期新任务。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:ai-models
- **发布时间**:2026-11-17 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2611.19537)